Voxtral Mini 4B Realtime
Описание
Voxtral Mini 4B Realtime 2602 — открытая модель, которая расшифровывает речь прямо во время разговора. В ней 4 миллиарда параметров и изначально потоковая архитектура с особым причинным кодировщиком звука. По карточке модели, задержка настраивается от 240 мс до 2,4 с, а при 480 мс, по словам авторов, модель сравнима с лучшими открытыми моделями для готовых записей и с сервисами реального времени. Поддерживает 13 языков: английский, французский, испанский, немецкий, русский, китайский, японский, итальянский, португальский, нидерландский, арабский, хинди и корейский. Подходит для голосовых помощников и субтитров вживую, оптимизирована для запуска на устройстве. Веса в формате BF16 и, по карточке, работают на одной видеокарте с 16 ГБ памяти и больше; для запуска рекомендуют vLLM, максимальная длина по умолчанию — около 3 часов звука. На Open ASR Leaderboard (английская короткая речь, девять тестовых наборов, проверено 20.10.2026) средняя доля ошибок в словах 9,01%; это общий тест, а не тест потоковой работы. Выпущена 21.01.2026. Веса лежат в открытом доступе, без подтверждения условий, под лицензией Apache-2.0, она разрешает коммерческое использование. Дата проверки: 20.10.2026.
Плюсы и минусы
Плюсы
- Расшифровка в реальном времени с задержкой от 240 мс до 2,4 с — по карточке модели
- 13 языков
- Работает на одной видеокарте с 16 ГБ памяти и больше
- Лицензия Apache-2.0, веса открыты без подтверждения условий
- По умолчанию до 3 часов звука за один сеанс
Минусы
- В карточке нет меток времени и разделения по говорящим
- Нужна видеокарта на 16 ГБ; в карточке советуют vLLM
- На Open ASR Leaderboard (тест без потоковой работы) самая высокая доля ошибок среди моделей нашего списка
- Всего 13 языков
Характеристики
- Лицензия
- Apache-2.0
- Коммерческое использование
- Разрешено
- Требования к железу
- Одна видеокарта с 16 ГБ памяти и больше
- Разработчик
- Mistral AI
- Языки интерфейса
- Английский
- Данные проверены
- 20.10.2026
Оценка редакции
Новости про Voxtral Mini 4B Realtime
-
Mistral AI выпустила Voxtral 3 — стек голосовых агентов реального времени, объединяющий распознавание речи, рассуждения, работу с инструментами и синтез речи в одном потоковом пайплайне. Поддерживаются 50+ языков для транскрипции и 35+ языков с 50 диалектами для синтеза. Можно использовать собственную инфраструктуру или API в ЕС. Цена транскрипции — от $0,0035/мин. #ИИ #ГолосовыеАгенты #MistralAI #Voxtral -
Mistral AI представляет Voxtral Transcribe 2 — новое семейство моделей речевого распознавания от $0,003/мин, дешевле конкурентов и, по словам компании, точнее GPT-4o mini, Gemini 2.5 Flash и Deepgram Nova. Две версии: Voxtral Mini Transcribe V2 для длинных записей (до 3 часов) и Voxtral Realtime с задержкой <200 мс для живых задач. Обе поддерживают 13 языков, диаризацию спикеров и таймстемпы слов. Realtime — открытые веса (Apache 2.0) на Hugging Face; Mini — только через API. Первый релиз был в июле 2025 г. #MistralAI #Voxtral #SpeechRecognition #AI #OpenSource -
Mistral AI представляет Voxtral Transcribe 2 по $0.003/мин, перебивая конкурентов. Заявляет о лучшей точности, чем GPT-4o mini, Gemini 2.5 Flash, Deepgram Nova. Две модели: Mini для больших файлов, Realtime (<200 мс) для голосовых ассистентов/субтитров в прямом эфире. Обе поддерживают 13 языков, диаризацию, таймстемпы слов, записи до 3 часов. Realtime с открытыми весами (Apache 2.0) на Hugging Face; Mini только через API. #MistralAI #Voxtral #РаспознаваниеРечи #AI #OpenSource