ميسترال إيه آي تُطلق فوإكستراال ترانسكرايب 2 — نماذج التعرف على الكلام فائقة السرعة

أعلنت شركة Mistral AI عن إطلاق Voxtral Transcribe 2، وهما نموذجان جديدان للتعرف على الكلام يركزان على جودة النسخ العالية، وفصل المتحدثين، وتقليل زمن الاستجابة. تتضمن المجموعة نموذج Voxtral Mini Transcribe V2 للمعالجة المجمعة، ونموذج Voxtral Realtime للتطبيقات الحية. يستخدم Voxtral Realtime بنية دفق جديدة، حيث يعالج الصوت أثناء تدفقه، ويسمح بضبط زمن الاستجابة ليكون أقل من 200 مللي ثانية. يمتلك النموذج 4 مليارات معلمة، ويدعم 13 لغة (بما في ذلك الإنجليزية، الصينية، الهندية، الإسبانية، العربية، الفرنسية، البرتغالية، الروسية، الألمانية، اليابانية، الكورية، الإيطالية، والهولندية)، ويتوفر بأوزان مفتوحة تحت رخصة Apache 2.0 على Hugging Face Hub. يحقق نموذج Voxtral Mini Transcribe V2 معدل خطأ يبلغ حوالي 4% على مجموعة بيانات FLEURS، ويكلف 0.003 دولار للدقيقة. ووفقًا للشركة، هذا يمثل أفضل نسبة سعر إلى أداء بين واجهات برمجة التطبيقات للنسخ. يتفوق النموذج على GPT-4o mini Transcribe و Gemini 2.5 Flash و Assembly Universal و Deepgram Nova من حيث الدقة، ويعالج الصوت بسرعة تعادل ثلاثة أضعاف سرعة ElevenLabs Scribe v2 تقريبًا مع نفس الدقة، وبخمس التكلفة. يدعم Voxtral Mini Transcribe V2 فصل المتحدثين (إنشاء تسميات للمتحدثين مع أوقات بداية ونهاية دقيقة)، والتحكم السياقي (حتى 100 كلمة لضبط التهجئة)، والطوابع الزمنية لكل ثانية، ومقاومة الضوضاء، ومعالجة صوت تصل مدته إلى 3 ساعات، ونفس اللغات الـ 13. كما تم إطلاق بيئة تجارب صوتية في Mistral Studio، تتيح اختبار النسخ مع فصل المتحدثين والطوابع الزمنية. يتوفر Voxtral Mini Transcribe V2 عبر واجهة برمجة التطبيقات بسعر 0.003 دولار للدقيقة، وVoxtral Realtime بسعر 0.006 دولار للدقيقة، وبأوزان مفتوحة. يدعم كلا النموذجين النشر بما يتوافق مع اللائحة العامة لحماية البيانات (GDPR) وقانون قابلية نقل التأمين الصحي والمساءلة (HIPAA) من خلال التثبيت المحلي أو السحابي الخاص.