Mistral以双AI模型重新定义语音识别

法国AI先锋Mistral在语音识别领域推出了强有力的组合拳。其全新Voxtral Transcribe2系统包含两款专业模型，或将改变企业处理音频转换的方式。

实时处理满足企业需求

Voxtral Realtime模型在分秒必争的场景中表现卓越。专为客服通话、虚拟会议等实时音频流设计，在最优配置下可实现惊人的200毫秒延迟。即使在更保守的480毫秒设置下，仍能保持1-2%的低错误率——媲美众多离线解决方案。

这一突破性进展的特别之处在于？得益于精简的40亿参数设计，整套方案可高效运行于本地设备。「我们消除了隐私与性能之间的取舍难题」Mistral首席技术官解释道。该模型现以Apache 2.0许可证开源发布，云端API定价起于每分钟0.006美元。

批量处理更智能（且更经济）

针对录制内容分析，Voxtral Mini Transcribe V2提供强大的批量处理能力：

• 单次请求可处理长达3小时的文件
• 提供精确的说话人识别与时间戳标记
• 以仅每分钟0.003美元的成本称霸准确度基准测试

该批量模型尤其擅长多语言环境，原生支持包括中文、英语、法语和日语在内的13种语言。

对企业的核心价值

此次发布使Mistral成为企业转录领域的强劲竞争者：

• 金融服务机构可获得无云端数据风险的安全通话记录
• 医疗从业者能私密记录患者交流内容
• 媒体公司实现多语言字幕制作的成本优化 两款模型目前均可通过Mistral Audio Playground和Le Chat助手访问。

关键优势：

⚡ 极速响应: 200毫秒延迟的实时处理 🔐 隐私优先: 本地运行杜绝敏感音频泄露 💸 经济实惠: 批量费率低于主要竞争对手 🌐 全球适配: 精通主要商业语言