Voxtral Mini 4B Realtime
Mistral AI · France
- Poids ouverts
- Licence : Apache 2.0
- Éditeur français
- Français annoncé
En bref : 30e sur 39 en transcription en français ; 46e sur 53 en transcription en anglais (Open ASR).
Présentation
Modèle de transcription en direct de Mistral AI, à architecture de flux native, dont le délai se règle de 240 millisecondes à 2,4 secondes pour arbitrer entre latence et précision. Ses poids sont publiés et sa taille vise le déploiement sur l'appareil. Lu sur huggingface.co, le 17/10/2026.
- Sortie
- 4 février 2026 lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : 13 langues, dont le français (en, zh, hi, es, ar, fr, pt, ru, de, ja, ko, it, nl). Lu sur mistral.ai.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 30e sur 39 en transcription en français (7,78 %).
Ses 2 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Transcription
Transcription en français
30e sur 39taux d'erreur par mot 7,78 %
Vitesse : RTFx 50 : transcrit 50 secondes d'audio par seconde de calculPar jeu de test : Common Voice 9,57 %, FLEURS 8,19 %, MLS 5,59 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
46e sur 53taux d'erreur par mot 8,44 %
Vitesse : RTFx 103 : transcrit 103 secondes d'audio par seconde de calculPar jeu de test : AMI-Cleaned 13,34 %, Earnings22-Cleaned-AA-chunked 9,31 %, Gigaspeech-Cleaned 8,80 %, LS Clean 1,62 %, LS Other 4,94 %, Private (conversational) 17,45 %, Private (scripted) 5,76 %, SPGISpeech 2,23 %, URGENT24 17,95 %, Voice Arena Monsoon 8,86 %, Voxpopuli-AA-Cleaned 2,60 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en français : devant, omniASR-CTC-7B-v2 (29e, 7,57 %) · derrière, omniASR-CTC-3B-v2 (31e, 8,12 %)
- Transcription en anglais, Open ASR : devant, Audio8-ASR-0.1B (45e, 8,29 %) · derrière, niagara-84m-batch.en (47e, 9,69 %)
Comment lire ces chiffres
Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
mistralai/Voxtral-Mini-4B-Realtime-2602 - Fiche
- Registre de QUELLE IA, lu sur carte du modèle sur Hugging Face (licence apache-2.0), 17/10/2026.
- Pages lues
- https://mistral.ai/news/voxtral-transcribe-2 (« Voxtral transcribes at the speed of sound. February 4, 2026 By Mistral »), 17/10/2026
- https://mistral.ai/news/voxtral-transcribe-2 (« The model is natively multilingual, achieving strong transcription performance in 13 languages, including English, Chinese, Hindi, Spanish, Arabic, French, Portuguese, Russian, German, Japanese, Korean, Italian, and Dutch. »), 17/10/2026
- https://huggingface.co/mistralai/Voxtral-Mini-4B-Realtime-2602/raw/main/README.md (« Voxtral Mini 4B Realtime 2602 is a **multilingual, realtime speech-transcription model** »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.