Voxtral Mini Transcribe 3
Kompaktes 4B-Transkriptionsmodell von Mistral (Oktober 2026) mit Sprechertrennung und 50+ Sprachen – AA-WER 2,2 % zu 0,0035 $ pro Minute.
- Hersteller
- Mistral AI
- Lizenz
- proprietär
- Betrieb
- EU-Hosting
- US-Hosting
- Herkunft
- Frankreich (Paris)
- Veröffentlichung
- 01.10.2026
- Parameter gesamt
- 4 Mrd.
- Aktive Parameter
- 4 Mrd.
Überblick
Voxtral Mini Transcribe 3 ist das 4B-Transkriptionsmodell der Voxtral-3-Generation von Mistral AI, vorgestellt am 20. Oktober 2026. Es verarbeitet aufgezeichnete Audiodateien und unterstützt alle Offline-Funktionen der Reihe. Zugang besteht über die Mistral-API (Endpunkte EU, USA, global); Eigenbetrieb ist laut Mistral über den Vertrieb möglich.
Use Cases
- Massentranskription von Gesprächsaufzeichnungen, Diktaten und Support-Calls zu niedrigen Kosten
- Meeting-Protokolle mit Sprecherzuordnung
- Mehrsprachige Inhalte (50+ Sprachen, alle EU-Amtssprachen)
- Transkription mit Firmenvokabular über Kontext-Biasing
Stärken & Grenzen
Stärken
- Artificial Analysis: AA-WER 2,2 %, Platz 5 von 62 Einträgen, Speed Factor 72,4 (Stand 21.10.2026) – nur knapp hinter dem größeren Small-Modell
- Diarization cpWER 18,6 % laut Mistral (Vorgänger Voxtral Mini Transcribe 2: 30,9 %)
- Kontext-Biasing, Sprechertrennung, Segment-Zeitstempel
- Günstiger als Voxtral Small Transcribe 3
Grenzen
- Keine offenen Gewichte zu dieser Version bekannt; der Vorgänger Voxtral-Mini-4B-Realtime-2602 liegt dagegen offen auf Hugging Face
- Nur Segment-, keine Wort-Zeitstempel
- Kontext von 65.536 Token, den sich Audio und Vokabelliste teilen – sehr lange Aufnahmen müssen gegebenenfalls geteilt werden
- Vergleichswerte außer Artificial Analysis stammen von Mistral
Benchmarks: Quellenlage
Das CRM führt noch keine Speech-to-Text-Keys, deshalb stehen die Werte hier statt in der Score-Tabelle.
| Benchmark | Wert | Quelle |
|---|---|---|
| AA-WER v2 (AgentTalk 50 %, VoxPopuli 25 %, Earnings-22 25 %) | 2,2 % | Artificial Analysis, Stand 21.10.2026 |
| AA Speed Factor (Median) | 72,4× Echtzeit | Artificial Analysis |
| Diarization cpWER (AMI-IHM, AMI-SDM, Switchboard, CallHome, AISHELL-4) | 18,6 % | Mistral-Launch-Blog |
| FLEURS-35, WER (Offline-Referenz im Realtime-Vergleich) | 4,0 % | Mistral-Launch-Blog |
Den FLEURS-45-Wert für dieses Modell weist Mistral nur im Diagramm aus; die Zuordnung ließ sich aus dem Text nicht eindeutig ablesen. LMArena bewertet keine Transkriptionsmodelle.
Praxis-Erfahrung
Ein eigener Test mit deutschen Aufnahmen durch thoughtflash steht noch aus.
Gut zu wissen
- Preis: 0,0035 $ pro Audiominute (Herstellerangabe)
- API-ID:
voxtral-mini-transcribe-3-0 - Kontext: 65.536 Token für Audio plus Vokabular
- Live-Variante: Voxtral Mini Transcribe Realtime 3 (0,008 $/min, Verzögerung 80–2.400 ms einstellbar, Turn Detection)
- Datenschutz: Für DSGVO-sensible Daten den EU-Endpunkt nutzen
- Alternativen: Voxtral Small Transcribe 3 (genauer); lokal betreibbar: Whisper large-v3-turbo, Parakeet TDT v3