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 AA-WER Index de 2.1 %, devant ElevenLabs Scribe v2 (2.2 %) et Grok Voice Transcribe 2.0 (2.3 %). Voxtral Mini Transcribe 3 se place à la #5 position avec 2.2 %.
➤ Streaming Speech to Text : 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, en baisse par rapport à 5.2 % pour le précédent Voxtral Mini Transcribe Realtime.
➤ Text to Speech, Provider Voice : 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 English (US) et #12 en English (UK).
➤ Text to Speech, Controlled Voice : 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 English (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 exemples ci-dessous ⬇️