随着人工智能系统能力不断增强，语音正迅速成为人机交互的默认方式。法国AI初创公司Mistral发布首个开源音频模型Voxtral，旨在以开放权重方案挑战封闭企业系统的统治地位。
Voxtral：首款可部署的生产级开源语音智能
Mistral将Voxtral定位为首款能在生产环境中部署“真正可用语音智能”的开源模型。该方案填补了市场空白，使开发者无需在“廉价但理解力差”与“功能强但封闭昂贵”的系统间妥协，为企业提供了成本不到同类解决方案一半的经济替代选择。
核心功能与技术规格
Voxtral支持长达30分钟的音频转录；基于LLM主干网络Mistral Small 3.1，可理解长达40分钟的音频内容，支持针对音频提问、生成摘要及将语音指令转化为实时操作（如调用API）。此外，模型支持英语、西班牙语、法语、葡萄牙语、印地语、德语、荷兰语和意大利语等多语言处理。
三款模型变体满足不同场景需求
- Voxtral Small（240亿参数）：适用于生产规模部署，性能对标ElevenLabs Scribe、GPT-4o-mini及Gemini 2.5 Flash。
- Voxtral Mini（30亿参数）：专为本地及边缘设备部署设计。
- Voxtral Mini Transcribe：针对纯转录用例优化的精简版API，性能优于OpenAI Whisper，价格不足其一半。
获取方式与定价
用户可通过Hugging Face下载或在Mistral聊天机器人Le Chat中免费试用。API集成起步价为每分钟0.001美元。
公司动态与市场展望
此次发布距Mistral推出推理模型系列Magistral仅一个月。作为欧洲顶尖AI公司，Mistral持续推动开源AI发展。据《TechCrunch》报道，该公司正与阿布扎比MGX基金等投资者洽谈，计划筹集高达10亿美元的股权融资。