Voxtral transcribes at the speed of sound.
Zusammenfassung
Kurz
Mistral stellt zwei Transkriptionsmodelle für Audiodateien und Live-Anwendungen vor und hebt Mehrsprachigkeit, Sprecherzuordnung sowie niedrige Latenz und Preise hervor. Die Leistungs- und Wettbewerbsvergleiche sind Herstellerangaben; bei überlappender Sprache wird meist nur eine Person erfasst, und die Kontextsteuerung außerhalb des Englischen ist experimentell.
Mittel
Mistral kündigt Voxtral Transcribe 2 an: Mini Transcribe V2 für aufgezeichnete Audiodateien und Voxtral Realtime für Live-Transkription. Beide Modelle unterstützen laut Bericht 13 Sprachen. Mini Transcribe V2 bietet Sprecherzuordnung, Wortzeitstempel, Hinweise auf bis zu 100 Kontextbegriffe und die Verarbeitung von Aufnahmen bis zu drei Stunden. Mistral gibt für den FLEURS-Benchmark etwa vier Prozent Wortfehlerrate und einen API-Preis von 0,003 US-Dollar pro Minute an. Das Unternehmen behauptet, das Modell übertreffe mehrere Wettbewerber bei der Genauigkeit und erreiche ein günstigeres Preis-Leistungs-Verhältnis.
Realtime verarbeitet Audio laut Mistral mit einer eigens entwickelten Streaming-Architektur und konfigurierbarer Verzögerung bis unter 200 Millisekunden. Bei 2,4 Sekunden Verzögerung entspreche die Qualität der des Batch-Modells; bei 480 Millisekunden steige die Wortfehlerrate um ein bis zwei Prozentpunkte. Die Gewichte stehen dem Bericht zufolge unter Apache 2.0 bereit; der API-Preis beträgt 0,006 US-Dollar pro Minute. Als mögliche Anwendungen nennt Mistral unter anderem Sprachassistenten, Besprechungen und Live-Untertitel. Grenzen: Bei überlappender Sprache wird üblicherweise nur eine Person transkribiert; Kontextsteuerung ist für Englisch optimiert und in anderen Sprachen experimentell. Die Leistungs- und Wettbewerbsvergleiche sind Angaben des Unternehmens.
Ausführlich lesen
Mistral stellt Voxtral Transcribe 2 als Familie aus zwei Sprach-zu-Text-Modellen vor: Voxtral Mini Transcribe V2 für die Verarbeitung aufgezeichneter Audiodateien und Voxtral Realtime für laufende Anwendungen. Zusätzlich beschreibt das Unternehmen ein Audio-Playground in Mistral Studio, in dem sich Audiodateien transkribieren und Optionen wie Sprecherzuordnung, Zeitstempel und Kontextbegriffe einstellen lassen.
Voxtral Realtime soll Audio während des Eingangs mit einer eigens dafür entwickelten Streaming-Architektur transkribieren. Die Verzögerung sei bis unter 200 Millisekunden konfigurierbar. Laut Mistral erreicht das Modell bei 2,4 Sekunden Verzögerung die Qualität von Mini Transcribe V2; bei 480 Millisekunden liege die Wortfehlerrate nur ein bis zwei Prozentpunkte darüber. Das Modell unterstütze 13 Sprachen und habe vier Milliarden Parameter. Mistral gibt an, die Gewichte unter Apache 2.0 zu veröffentlichen, sodass das Modell auch lokal auf geeigneten Geräten eingesetzt werden könne.
Mini Transcribe V2 unterstütze ebenfalls 13 Sprachen, Sprecherdiarisierung, Zeitstempel für einzelne Wörter, Hinweise auf bis zu 100 Wörter oder Wendungen sowie Aufnahmen von bis zu drei Stunden je Anfrage. Laut Mistral liege die Wortfehlerrate im FLEURS-Benchmark bei ungefähr vier Prozent; der API-Preis betrage 0,003 US-Dollar pro Minute. Das Unternehmen bezeichnet das Verhältnis von Preis und Leistung als branchenführend und behauptet, das Modell schneide bei der Genauigkeit besser ab als GPT-4o mini Transcribe, Gemini 2.5 Flash, Assembly Universal und Deepgram Nova. Gegenüber ElevenLabs Scribe v2 verarbeite es Audio etwa dreimal schneller, bei vergleichbarer Qualität und einem Fünftel der Kosten. Diese Vergleiche werden im Bericht als Ergebnisse ausgewählter Benchmarks und als Aussagen Mistrals dargestellt; die Abbildungen erläutern Messgrößen und Benchmark-Sets, liefern im Textauszug jedoch keine vollständigen Zahlenreihen oder unabhängige Prüfung.
Als Einsatzmöglichkeiten nennt der Bericht unter anderem Besprechungen, Sprachassistenten, Kontaktzentren, Untertitelung sowie Compliance-Dokumentation. Mistral erklärt, beide Modelle könnten über sichere lokale Installationen oder private Clouds in GDPR- und HIPAA-konformen Umgebungen betrieben werden. Die Modelle seien per API verfügbar; für Realtime nennt der Bericht 0,006 US-Dollar pro Minute und zusätzlich offene Gewichte.
Der Bericht nennt auch Einschränkungen: Bei überlappender Sprache werde typischerweise nur eine sprechende Person transkribiert. Die Kontextsteuerung sei auf Englisch optimiert; Unterstützung anderer Sprachen sei experimentell. Die Qualitäts- und Kostenangaben sind Herstellerbehauptungen und hängen laut Darstellung von den jeweils angeführten Benchmarks und Vergleichsbedingungen ab.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Beide Zusammenfassungen (kurz und mittel) wurden geprüft. Die mittlere ist inhaltlich treu, die kurze lässt die Realtime-Details weg. Der Bericht ist eine Produktankündigung. Die Sammelfragen zu Governance und Verantwortung werden darin kaum berührt, daher fallen die Einordnungen niedrig aus. Die Anteilswerte von Luna wurden nicht bewertet. Der Bericht selbst nennt für Realtime die Parametergröße uneinheitlich (4B im Text, 3B im Link).
Im Bericht, aber nicht in der Zusammenfassung
- GDPR- und HIPAA-konforme Einsätze über On-Premise- oder Private-Cloud-Setups
- Audio-Playground in Mistral Studio zum sofortigen Testen mit Diarisierung und Zeitstempeln
- Edge-Einsatz der Realtime-Gewichte für datenschutzfreundliche Anwendungen
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vorfälle melden
- SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 31 %einzelne zitierbare Belege
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Fähigkeiten messen
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 39 %einzelne zitierbare Belege
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 52 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 77 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Vertrauen in Modelle
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 60 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 31 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 37 %Hintergrund, keine Belege
- JEV 28 %einzelne zitierbare Belege
- amos 37 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung nur am Rande erwähnt
- SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten?
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 69 %einzelne zitierbare Belege
- JEV 58 %einzelne zitierbare Belege
- amos 28 %einzelne zitierbare Belege
- SubQ 37 %gleiches Oberthema, hilft nicht
- drex 30 %nur am Rande erwähnt
- d3-ultra 38 %einzelne zitierbare Belege
- Haiku-Prüfung nur am Rande erwähnt
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 49 %gleiches Oberthema, hilft nicht
- JEV 45 %einzelne zitierbare Belege
- amos 37 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 52 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 40 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 32 %Hintergrund, keine Belege
- JEV 68 %einzelne zitierbare Belege
- amos 31 %gleiches Oberthema, hilft nicht
- SubQ 46 %gleiches Oberthema, hilft nicht
- drex 42 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung nur am Rande erwähnt
- SF-E4-T03 Wie können gemeinsame Sicherheitsregeln verhindern, dass hohe Kosten der Einhaltung den Markt auf wenige reiche Labore verengen, und trotzdem kleine Entwickler und Open-Source-Entwickler auf dieselbe Mindestschwelle für Sicherheit verpflichten?
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
- SF-W2 Wie wirken sich Wettbewerbsrecht und öffentliche Beschaffung auf die KI-Sicherheit aus?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Information und Öffentlichkeit
- SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 43 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv