¡Mistral ha lanzado nuevos modelos de Voz! Voxtral Small Transcribe 3 ocupa el puesto #3 en el leaderboard de Voz a Texto de Artificial Analysis, y Voxtral 3 TTS entra en el top 12 en ambas arenas de Texto a Voz
@MistralAI ha lanzado Voxtral 3: un nuevo modelo de Texto a Voz y tres modelos de Voz a Texto (Small Transcribe 3, Mini Transcribe 3 y Mini Transcribe Realtime 3). Los evaluamos todos.
Conclusiones clave:
➤ Voz a Texto: Voxtral Small Transcribe 3 ocupa el puesto #3 en el leaderboard de Voz a Texto 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 #5 con 2.2%.
➤ Voz a Texto en streaming: Voxtral Mini Transcribe Realtime 3 obtiene un AA-WER de transcripción final de 3.3% en la configuración de 960 ms (#6 de 46) y 3.6% a 480 ms, frente al 5.2% del anterior Voxtral Mini Transcribe Realtime.
➤ Texto a Voz, Voz de proveedor: Voxtral 3 TTS obtiene un Elo de 1,218 en 1,599 apariciones en la arena, ubicándose en el #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. Ocupa el #13 en inglés (EE. UU.) y el #12 en inglés (Reino Unido).
➤ Texto a Voz, Voz controlada: Voxtral 3 TTS obtiene 1,068 en 1,614 apariciones, ubicándose en el #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. Ocupa el #10 en Asistentes y el #10 en inglés (Reino Unido).
➤ Robustez de pronunciación: Voxtral 3 TTS obtiene 84.4%, ubicándose en el #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%. Ocupa el #3 en Términos independientes con 93.9%.
➤ Precios: Voxtral 3 TTS tiene un precio de $13/1M de caracteres, en comparación con Gemini 3.8 Flash TTS a $16.5/1M de caracteres, Eleven v4 Turbo a $40/1M de caracteres y Simba 3.2 a $6.6/1M de caracteres.
Vea más detalles y escuche ejemplos abajo ⬇️