¡Mistral ha lanzado nuevos modelos de Voz! Voxtral Small Transcribe 3 ocupa el puesto #3 en el ranking de Speech to Text de Artificial Analysis, y Voxtral 3 TTS entra en el top 12 en ambas arenas de Text to Speech
@MistralAI ha lanzado Voxtral 3: un nuevo modelo de Text to Speech y tres modelos de Speech to Text (Small Transcribe 3, Mini Transcribe 3 y Mini Transcribe Realtime 3). Los evaluamos todos.
Conclusiones clave:
➤ Speech to Text: Voxtral Small Transcribe 3 ocupa el puesto #3 en el ranking de Speech to Text de Artificial Analysis con un Índice AA-WER de 2.1%, por delante de ElevenLabs Scribe v2 (2.2%) y Grok Voice Transcribe 2.0 (2.3%). Voxtral Mini Transcribe 3 queda en el puesto #5 con 2.2%.
➤ Streaming Speech to Text: Voxtral Mini Transcribe Realtime 3 obtiene un 3.3% de AA-WER en transcripción final con la configuración de 960 ms (#6 de 46) y 3.6% a 480 ms, frente al 5.2% del anterior Voxtral Mini Transcribe Realtime.
➤ Text to Speech, Provider Voice: Voxtral 3 TTS logra un Elo de 1,218 en 1,599 apariciones en la arena, clasificándose #12 de 98, justo por detrás de Breeze TTS 2 con 1,221 y por delante de Inworld Realtime TTS-2 Flash y StepAudio 2.5 TTS con 1,216. Se clasifica #13 en inglés (EE. UU.) y #12 en inglés (Reino Unido).
➤ Text to Speech, Controlled Voice: Voxtral 3 TTS logra 1,068 en 1,614 apariciones, clasificándose #12 de 43 con las mismas 8 voces clonadas, por detrás de Eleven v3 con 1,072 y empatado con Ming-3.0-tts de Ant Group con 1,068. Se clasifica #10 en Assistants y #10 en inglés (Reino Unido).
➤ Robustez de pronunciación: Voxtral 3 TTS obtiene un 84.4%, clasificándose #13 de 32 modelos, por detrás de Qwen-Audio-3.1-TTS-Plus con 84.6% y por delante de HeyGen Voice con 83.2%. Se clasifica #3 en Standalone Terms con 93.9%.
➤ Precios: Voxtral 3 TTS tiene un precio de $13/1M caracteres, en comparación con Gemini 3.8 Flash TTS a $16.5/1M caracteres, Eleven v4 Turbo a $40/1M caracteres y Simba 3.2 a $6.6/1M caracteres.
Vea más detalles y escuche muestras a continuación ⬇️