Voxtral Small Transcribe 3
Mistrals genauestes Transkriptionsmodell (Oktober 2026): 50+ Sprachen, Sprechertrennung, Kontext-Biasing – AA-WER 2,1 %, per API auch aus der EU.
- Hersteller
- Mistral AI
- Lizenz
- proprietär
- Betrieb
- EU-Hosting
- US-Hosting
- Herkunft
- Frankreich (Paris)
- Veröffentlichung
- 01.10.2026
Überblick
Voxtral Small Transcribe 3 ist das größte Transkriptionsmodell der Voxtral-3-Generation von Mistral AI, vorgestellt am 20. Oktober 2026. Es ist für aufgezeichnete Audiodateien gedacht und soll die höchste Genauigkeit der Reihe liefern. Zugang besteht über die Mistral-API (Endpunkte EU, USA, global); für den Betrieb in eigener Infrastruktur oder Private Cloud verweist Mistral an den Vertrieb.
Use Cases
- Protokolle von Meetings, Interviews und Telefonaten mit Sprecherzuordnung
- Mehrsprachige Transkription in Unternehmen mit internationalen Standorten (alle 24 EU-Amtssprachen)
- Fachtranskription mit Spezialvokabular (Produktnamen, Fachbegriffe) über Kontext-Biasing ohne Finetuning
- Vorstufe für Auswertungen mit einem Sprachmodell (Zusammenfassung, Aufgabenextraktion)
Stärken & Grenzen
Stärken
- Artificial Analysis: AA-WER 2,1 %, Platz 3 von 62 Einträgen im Speech-to-Text-Leaderboard (Stand 21.10.2026)
- Sprechertrennung (Diarization) mit Segment-Zeitstempeln
- Kontext-Biasing über Schlüsselbegriffe oder Freitext
- EU-Endpunkt bei einem europäischen Anbieter
Grenzen
- Keine offenen Gewichte bekannt; die Ankündigung nennt weder Lizenz noch Hugging-Face-Repo
- Parameterzahl nicht veröffentlicht
- Nur Segment-, keine Wort-Zeitstempel
- Zum Start nur Transkription (laut Dokumentation „transcription only at launch")
- Alle 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 %) | 2,1 % | Artificial Analysis, Stand 21.10.2026 |
| AA Speed Factor (Median) | 67,8× Echtzeit | Artificial Analysis |
| Diarization cpWER (AMI-IHM, AMI-SDM, Switchboard, CallHome, AISHELL-4) | 18,4 % | Mistral-Launch-Blog |
| FLEURS, 45 Sprachen, WER (Sprache vorgegeben) | 4,1 % | Mistral-Launch-Blog |
| Keyphrase-Recall Earnings-22 ohne / mit Kontext | 81,4 % / 94,6 % | Mistral-Launch-Blog |
Zum Vergleich laut Mistral: Microsoft AI Transcribe 2 erreicht auf FLEURS-45 ebenfalls 4,1 %, bei der Diarization 20,3 %. Bei Artificial Analysis liegen nur Fun-Realtime-ASR-preview (Alibaba Cloud, 1,7 %) und MAI-Transcribe-2 (2,0 %) vorn. LMArena bewertet keine Transkriptionsmodelle.
Praxis-Erfahrung
Ein eigener Test mit deutschen Aufnahmen durch thoughtflash steht noch aus.
Gut zu wissen
- Preis: 0,004 $ pro Audiominute (Herstellerangabe)
- API-ID:
voxtral-small-transcribe-3-0 - Sprachen: 50+, darunter alle 24 EU-Amtssprachen
- Datenschutz: Für DSGVO-sensible Daten den EU-Endpunkt nutzen und den Auftragsverarbeitungsvertrag von Mistral prüfen
- Alternativen: Voxtral Mini Transcribe 3 (günstiger, 4B); lokal betreibbar: Whisper large-v3, Parakeet TDT v3, Canary v2