Mistral a publié de nouveaux modèles Speech ! Voxtral Small Transcribe 3 prend la #3 place du classement Speech to Text d'Artificial Analysis, et Voxtral 3 TTS entre dans le top 12 des deux arènes Text to Speech
@MistralAI a publié Voxtral 3 : un nouveau modèle Text to Speech et trois modèles Speech to Text (Small Transcribe 3, Mini Transcribe 3 et Mini Transcribe Realtime 3). Nous les avons tous évalués.
Points clés :
➤ Speech to Text : Voxtral Small Transcribe 3 prend la #3 place du classement Speech to Text d'Artificial Analysis avec un indice AA-WER de 2.1%, devant ElevenLabs Scribe v2 (2.2%) et Grok Voice Transcribe 2.0 (2.3%). Voxtral Mini Transcribe 3 se classe #5 avec 2.2%.
➤ Speech to Text en streaming : Voxtral Mini Transcribe Realtime 3 obtient un AA-WER de transcript final de 3.3% au réglage de 960 ms (#6 sur 46) et 3.6% à 480 ms, contre 5.2% pour le précédent Voxtral Mini Transcribe Realtime.
➤ Text to Speech, voix du fournisseur : Voxtral 3 TTS obtient un Elo de 1,218 sur 1,599 apparitions en arène, se classant #12 sur 98, juste derrière Breeze TTS 2 à 1,221 et devant Inworld Realtime TTS-2 Flash et StepAudio 2.5 TTS à 1,216. Il se classe #13 en anglais (US) et #12 en anglais (UK).
➤ Text to Speech, voix contrôlée : Voxtral 3 TTS obtient 1,068 sur 1,614 apparitions, se classant #12 sur 43 avec les mêmes 8 voix clonées, derrière Eleven v3 à 1,072 et à égalité avec Ming-3.0-tts d'Ant Group à 1,068. Il se classe #10 en Assistants et #10 en anglais (UK).
➤ Robustesse de prononciation : Voxtral 3 TTS obtient 84.4%, se classant #13 sur 32 modèles, derrière Qwen-Audio-3.1-TTS-Plus à 84.6% et devant HeyGen Voice à 83.2%. Il se classe #3 en Standalone Terms à 93.9%.
➤ Tarification : Voxtral 3 TTS est proposé à $13/1M de caractères, contre Gemini 3.8 Flash TTS à $16.5/1M de caractères, Eleven v4 Turbo à $40/1M de caractères et Simba 3.2 à $6.6/1M de caractères.
Voir plus de détails et écouter des échantillons ci-dessous ⬇️