Mistral发布名为Voxtral的新AI音频模型

Mistral宣布发布名为Voxtral的新音频AI模型。 这家法国AI公司表示，该模型面向企业，被认为是首个专注于音频AI的大型语言模型（LLM）家族。

据这家法国AI公司称，Voxtral旨在为现实世界应用提供实用的语音智能。该AI音频模型优于Whisper large-v3，后者是顶级开源音频转录模型之一。

Voxtral由Mistral Small 3.1驱动

Voxtral由大型语言模型（LLM）Mistral Small 3.1驱动。该音频AI模型可以理解多种语言，如英语、法语、西班牙语、葡萄牙语、意大利语、德语、荷兰语、印地语等。

该音频模型能够转录长达30分钟的音频。此外，Voxtral可以理解长达40分钟的音频，这使得用户能够轻松对话并提出相关问题。用户还可以要求它生成音频文件的文本摘要，或提供分析和详细见解。他们还可以执行其他操作，如通过API调用运行函数。

Mistral提供Voxtral的“语音理解模型”，分为两种变体：Voxtral Small和Voxtral Mini。这两个模型都能够与基于语音的提示或音频和基于文本的提示组合进行交互。

两个模型中更强大的Voxtral Small拥有240亿参数——非常适合生产规模的部署。Mistral 写道：“Voxtral Small在所有任务中与GPT-4o-mini和Gemini 2.5 Flash具有竞争力。”

Voxtral Mini是一个轻量级选项，拥有30亿参数，使其成为本地和边缘部署的强力选择。其API版本Voxtral Mini Transcribe不仅具有成本效益，而且在不到一半的价格下优于OpenAI的Whisper。

Voxtral Small (24B) 和 Voxtral Mini (3B) 均可从Hugging Face下载和本地托管。开发人员还可以通过单次API调用将音频模型集成到任何应用程序中。定价从每分钟0.001美元开始，使转录具有可扩展性。Mistral表示，Voxtral将在未来几周内可在Le Chat的网页应用或移动应用中提供。

Mistral是欧洲领先的AI公司之一。据报道，这家成立于2023年的公司已从Andreessen Horowitz、Nvidia、Samsung和Salesforce等知名公司筹集了超过10亿欧元（约12亿美元）。