Mistral 发布 Voxtral 3 语音模型：转写进前三，TTS 速度最快且更便宜
ArtificialAnlys · x · 2026-10-21
Mistral 发布 Voxtral 3 系列：1 个 TTS 模型和 3 个语音转写模型。Artificial Analysis 实测要点：
- 语音转写：Voxtral Small Transcribe 3 以 2.1% AA-WER 位列排行榜第 3，超过 ElevenLabs Scribe v2（2.2%）和 Grok Voice Transcribe 2.0（2.3%）；Mini Transcribe 3 以 2.2% 排第 5
- 流式转写：Mini Transcribe Realtime 3 在 960ms 设置下 3.3% WER（46 个中第 6），480ms 下 3.6%，较上代 5.2% 大幅改善
- TTS：Voxtral 3 TTS 在两个 arena 均排第 12（Provider Voice Elo 1218/98，Controlled Voice 1068/43）；发音鲁棒性 84.4% 排第 13
- 定价：$13/百万字符，低于 Gemini 3.8 Flash TTS（$16.5）和 Eleven v4 Turbo（$40），高于 Simba 3.2（$6.6）
所属事件:Mistral 发布 Voxtral 3 语音模型套件与 Voice Agents API(10 条相关)→
「多模态」频道最新
- Runway 入驻 Claude Marketplace，成 Anthropic 首个创意合作伙伴 — tlakomy · 2026-10-21
- 让 Claude Code 独立执导 MV：6.5 小时、765M 输入 tokens 完成 — colinmcnamara · 2026-10-21
- 可灵 4.0 上线:原生 30 秒视频、10 关键帧,可延展至 2 分钟 — lmoroney · 2026-10-21
- Voxtral 转写 1891 年埃菲尔留声机录音：107 词对 100 词，WER 仅 6.5% — IsForAt · 2026-10-21
- Reddit 用户重调 Stable Diffusion 工作流，25 步+motion boost 优化小丑舞者视频 — roychodraws · 2026-10-21
- 图像编辑榜一开源模型 Fibo-2 权重上架，含 Dev 和 Turbo 双版本 — linoy_tsaban · 2026-10-21