Компания Mistral AI представила линейку моделей распознавания речи Voxtral 3, анонсированную 20 октября 2026 года. Флагманская модель Voxtral Mini Transcribe 3 содержит 4 миллиарда параметров и оптимизирована для пакетной транскрибации.
В независимом тестировании Voice Arena модель Mini заняла второе место среди девяти участников, показав коэффициент ошибок диаризации 40,4%. Она опередила более крупную модель Small Transcribe 3, которая с показателем 41,1% заняла четвертую строчку рейтинга.
Оценка проводилась на основе 139 реальных диалогов на английском языке, проверенных людьми. Обе модели линейки Voxtral смогли верно определить количество участников в 83,5% случаев.
Несмотря на успехи в идентификации спикеров, модель Small Transcribe 3 оказалась точнее в распознавании слов: её коэффициент ошибок составил 2,1% против 2,2% у версии Mini. Разработчики признают, что одновременная речь нескольких человек остается сложной задачей для обеих систем.
В мультиязычных тестах модели Voxtral превзошли показатели Whisper large-v3 в бенчмарке FLEURS, охватывающем более 45 языков. Тем не менее, проблема неразборчивости при наложении голосов остается актуальной для всей индустрии.
