أطلقت Mistral نماذج كلام جديدة! يحتل Voxtral Small Transcribe 3 المرتبة #3 على لوحة تصنيف Artificial Analysis للتحويل من الكلام إلى نص، ويدخل Voxtral 3 TTS ضمن أفضل 12 في مجالي التحويل من نص إلى كلام
أصدرت @MistralAI نموذج Voxtral 3: نموذج تحويل من نص إلى كلام جديد وثلاثة نماذج تحويل من كلام إلى نص (Small Transcribe 3 و Mini Transcribe 3 و Mini Transcribe Realtime 3). قيّمناها جميعًا.
أبرز النتائج:
➤ التحويل من كلام إلى نص: يحتل Voxtral Small Transcribe 3 المرتبة #3 على لوحة تصنيف Artificial Analysis للتحويل من كلام إلى نص بمؤشر AA-WER قدره 2.1%، متقدمًا على ElevenLabs Scribe v2 (2.2%) و Grok Voice Transcribe 2.0 (2.3%). ويحل Voxtral Mini Transcribe 3 في المرتبة #5 بنسبة 2.2%.
➤ التحويل التدفقي من كلام إلى نص: يسجل Voxtral Mini Transcribe Realtime 3 نسبة 3.3% في AA-WER للنص النهائي عند إعداد 960 ms (المرتبة #6 من 46) و3.6% عند 480 ms، بانخفاض عن 5.2% لنسخة Voxtral Mini Transcribe Realtime السابقة.
➤ التحويل من نص إلى كلام، صوت المزوّد: يسجل Voxtral 3 TTS تصنيف Elo قدره 1,218 على مدى 1,599 ظهورًا في الساحة، محتلًا المرتبة #12 من 98، خلف Breeze TTS 2 بـ 1,221 مباشرةً ومتقدمًا على Inworld Realtime TTS-2 Flash و StepAudio 2.5 TTS بـ 1,216. ويحتل المرتبة #13 في الإنجليزية (الولايات المتحدة) والمرتبة #12 في الإنجليزية (المملكة المتحدة).
➤ التحويل من نص إلى كلام، الصوت المتحكَّم به: يسجل Voxtral 3 TTS 1,068 على مدى 1,614 ظهورًا، محتلًا المرتبة #12 من 43 بنفس الأصوات المستنسخة البالغ عددها 8 أصوات، خلف Eleven v3 بـ 1,072 ومتعادلًا مع Ming-3.0-tts من Ant Group بـ 1,068. ويحتل المرتبة #10 في فئة المساعدين والمرتبة #10 في الإنجليزية (المملكة المتحدة).
➤ متانة النطق: يسجل Voxtral 3 TTS نسبة 84.4%، محتلًا المرتبة #13 من 32 نموذجًا، خلف Qwen-Audio-3.1-TTS-Plus بـ 84.6% ومتقدمًا على HeyGen Voice بـ 83.2%. ويحتل المرتبة #3 في فئة المصطلحات المستقلة بنسبة 93.9%.
➤ التسعير: تم تسعير Voxtral 3 TTS بسعر $13/1M من الأحرف، مقارنةً بـ Gemini 3.8 Flash TTS بسعر $16.5/1M من الأحرف، وEleven v4 Turbo بسعر $40/1M من الأحرف، وSimba 3.2 بسعر $6.6/1M من الأحرف.
شاهد مزيدًا من التفاصيل واستمع إلى العينات أدناه ⬇️