Mistral이 새로운 Speech 모델을 출시했습니다! Voxtral Small Transcribe 3가 Artificial Analysis Speech to Text 리더보드에서 #3 자리를 차지했으며, Voxtral 3 TTS는 두 Text to Speech 아레나 모두에서 톱 12에 진입했습니다
@MistralAI가 Voxtral 3를 출시했습니다: 새로운 Text to Speech 모델 한 개와 세 개의 Speech to Text 모델(Small Transcribe 3, Mini Transcribe 3, Mini Transcribe Realtime 3)입니다. 우리는 이들 모두를 평가했습니다.
주요 요약:
➤ Speech to Text: Voxtral Small Transcribe 3가 2.1% AA-WER Index로 Artificial Analysis Speech to Text 리더보드에서 #3 자리를 차지하며, ElevenLabs Scribe v2(2.2%)와 Grok Voice Transcribe 2.0(2.3%)을 앞섰습니다. Voxtral Mini Transcribe 3는 2.2%로 #5에 올랐습니다.
➤ 스트리밍 Speech to Text: Voxtral Mini Transcribe Realtime 3는 960 ms 설정에서 3.3%의 최종 전사 AA-WER을 기록했고(46개 중 #6), 480 ms에서는 3.6%를 기록해 이전 Voxtral Mini Transcribe Realtime의 5.2%에서 개선되었습니다.
➤ Text to Speech, Provider Voice: Voxtral 3 TTS는 1,599회 아레나 등장에서 Elo 1,218점을 기록해 98개 중 #12위를 차지했으며, 1,221점의 Breeze TTS 2 바로 뒤이고 1,216점의 Inworld Realtime TTS-2 Flash와 StepAudio 2.5 TTS를 앞섰습니다. English (US)에서는 #13위, English (UK)에서는 #12위입니다.
➤ Text to Speech, Controlled Voice: Voxtral 3 TTS는 1,614회 등장에서 1,068점을 기록해 동일한 8개 클론 보이스로 43개 중 #12위를 차지했으며, 1,072점의 Eleven v3 뒤이고 1,068점의 Ant Group의 Ming-3.0-tts와 동률입니다. Assistants에서는 #10위, English (UK)에서는 #10위입니다.
➤ 발음 견고성: Voxtral 3 TTS는 84.4%를 기록해 32개 모델 중 #13위로, 84.6%의 Qwen-Audio-3.1-TTS-Plus 뒤이고 83.2%의 HeyGen Voice를 앞섰습니다. Standalone Terms에서는 93.9%로 #3위입니다.
➤ 가격: Voxtral 3 TTS는 1M 문자당 $13로 책정되었으며, 이는 1M 문자당 $16.5인 Gemini 3.8 Flash TTS, 1M 문자당 $40인 Eleven v4 Turbo, 1M 문자당 $6.6인 Simba 3.2와 비교된다.
아래에서 자세한 내용을 확인하고 샘플을 들어보세요 ⬇️