Artificial Analysis 评测 Mistral Voxtral 3 语音模型：Small Transcribe 3 位列语音转文本榜单第 3

Artificial Analysis· @ArtificialAnlys · X·2026-10-21 00:53· 51 分钟前AI 评分60

AI 导读

Artificial Analysis 评测了 Mistral 发布的 Voxtral 3 语音模型，包括 1 个 TTS 模型和 3 个语音转文本模型。

正文 · 原文

Mistral 发布了新的语音模型！Voxtral Small Transcribe 3 在 Artificial Analysis 语音转文本排行榜上位列第 3，Voxtral 3 TTS 在两个文本转语音竞技场中均进入前 12 名

@MistralAI 发布了 Voxtral 3：一个全新的文本转语音模型和三个语音转文本模型（Small Transcribe 3、Mini Transcribe 3 和 Mini Transcribe Realtime 3）。我们对它们全部进行了评测。

主要结论：

➤ 语音转文本：Voxtral Small Transcribe 3 以 2.1% 的 AA-WER 指数在 Artificial Analysis 语音转文本排行榜上位列第 3，领先于 ElevenLabs Scribe v2（2.2%）和 Grok Voice Transcribe 2.0（2.3%）。Voxtral Mini Transcribe 3 以 2.2% 位列第 5。

➤ 流式语音转文本：Voxtral Mini Transcribe Realtime 3 在 960 ms 设置下最终转写 AA-WER 为 3.3%（46 个模型中排名第 6），在 480 ms 下为 3.6%，较上一代 Voxtral Mini Transcribe Realtime 的 5.2% 有所下降。

➤ 文本转语音，提供商音色：Voxtral 3 TTS 在 1,599 次竞技场出场中获得 1,218 的 Elo 分数，在 98 个模型中排名第 12，仅次于 Breeze TTS 2 的 1,221，领先于 Inworld Realtime TTS-2 Flash 和 StepAudio 2.5 TTS 的 1,216。在英语（美国）中排名第 13，在英语（英国）中排名第 12。

➤ 文本转语音，受控音色：Voxtral 3 TTS 在 1,614 次出场中获得 1,068 分，在 43 个模型中使用相同的 8 个克隆音色排名第 12，落后于 Eleven v3 的 1,072，与蚂蚁集团的 Ming-3.0-tts 的 1,068 持平。在 Assistants 类别中排名第 10，在英语（英国）中排名第 10。

➤ 发音稳健性：Voxtral 3 TTS 得分为 84.4%，在 32 个模型中排名第 13，落后于 Qwen-Audio-3.1-TTS-Plus 的 84.6%，领先于 HeyGen Voice 的 83.2%。在 Standalone Terms 中排名第 3，得分为 93.9%。

➤ 定价：Voxtral 3 TTS 定价为每百万字符 13 美元，相比之下 Gemini 3.8 Flash TTS 为每百万字符 16.5 美元，Eleven v4 Turbo 为每百万字符 40 美元，Simba 3.2 为每百万字符 6.6 美元。

更多详情及试听样本见下方 ⬇️

来源：Artificial Analysis · x.com