Mistral 发布 Voxtral 3 语音家族：ASR/TTS 全线 SOTA
sivareddyg · x · 2026-10-21
Mistral 发布 Voxtral 3 语音模型家族，含三部分：ASR 转录（Mini 与 Small 两档，支持批量转录和实时流式）、富表现力的多语言 TTS（批量+流式）、以及带工具调用的低延迟语音 agent SDK。可通过 API 或自部署使用。
配图为 Artificial Analysis 词错率榜单：非流式 ASR 中 Voxtral 3 Mini/Small 以约 2.1–2.2% WER 位居前列，仅低于 ElevenLabs；流式榜单中 Voxtral 3 PT+Streaming R2 约 3.3%，明显优于 GPT-4o mini Transcribe、Gemini 等对手。
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
- AI 生成老妇人肖像照细节逼真，光影质感直逼摄影 — LudovicCreator · 2026-10-21
- FastH3 Omni 开源：一次生成多参考视频，延迟比基座低 5.6-11.9 倍 — mnmunknown · 2026-10-21
- HeyGen 专业语音克隆：30分钟音频即可克隆到难辨真假 — rohanpaul_ai · 2026-10-21
- Flux 3 Max 登顶物理理解榜：150 万次人类评判选出的第一 — isidentical · 2026-10-21
- ElevenLabs 发布实时语音对话模型,Big Bench Audio 得分 98.8% — The Decoder · 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