🕷️
SetupAI
EN
🗾較早收集於 83m

Mistral 推出本地運行日語音聲辨識 AI「Voxtral Transcribe 2」

Mistral 推出本地運行日語音聲辨識 AI「Voxtral Transcribe 2」
PostLinkedIn
🗾閱讀原文： ITmedia AI+ (日本)
#speech-recognition#on-device#japanese-supportvoxtral-transcribe-2mistral-aivoxtral-transcribe-2

💡Mistral 本地日語語音模型：離線批次/即時選項，開發者勝過雲端成本。（48字）

⚡ 30-Second TL;DR

有什麼變化

Mistral AI 發布 Voxtral Transcribe 2 語音辨識模型

為什麼重要

此發布讓日語應用能離線、私密地進行語音轉文字，降低批次任務成本，並無需雲端即可實現即時應用。AI 從業人員可將其整合至邊緣裝置，提供具成本效益的解決方案。

下一步行動

從 Mistral 的 Hugging Face 儲存庫下載 Voxtral Transcribe 2，並測試本地日語批次轉錄。

誰應關注：Developers & AI Engineers

關鍵要點

  • •Mistral AI 發布 Voxtral Transcribe 2 語音辨識模型
  • •支援日語並完全本地運行
  • •兩個模型：高精度低成本批次處理變體
  • •超低延遲即時轉錄變體

🧠 深度解析

背景與延伸：來自公開資料，非原文內容。引用 6 個來源。

🔑 增強重點摘要

  • •Voxtral Transcribe 2 支持13種語言，包括英語、中文、印地語、西班牙語、阿拉伯語、法語、葡萄牙語、俄語、德語、韓語、義大利語和荷蘭語。[1][4]
  • •Voxtral Realtime 模型以 Apache 2.0 許可開放權重，可在邊緣設備部署，參數規模為4B。[1][4]
  • •模型具備上下文偏置功能，可提供最多100個單詞或短語引導專有名詞或領域術語轉錄，特別優化英語。[1][3]
  • •支援長達3小時音頻檔案處理，並具噪音魯棒性，適用於工廠、呼叫中心等環境。[2][3]
  • •Mistral API 定價為每分鐘0.003美元，在FLEURS基準上字錯誤率約4%。[1][5]
📊 競品分析▸ Show
特徵/基準Voxtral Mini Transcribe V2GPT-4o mini TranscribeGemini 2.5 FlashAssembly UniversalDeepgram NovaElevenLabs Scribe v2
字錯誤率 (WER)最低 (~4% on FLEURS) [1]較高 [1]較高 [1]較高 [1]較高 [1]相當 (但處理速度慢3x，成本高5x) [1]
定價$0.003/分 [1][5]較高 [1]較高 [1]較高 [1]較高 [1]較高 (5x) [1]
延遲批次處理 [1]- [1]- [1]- [1]- [1]較慢 [1]
其他講者區分、噪音魯棒 [1]- [1]- [1]- [1]- [1]- [1]

🛠️ 技術深入

  • •Voxtral Mini Transcribe V2：專為批次轉錄優化，支援講者區分、上下文偏置、單詞級時間戳、多語言（13種）、噪音魯棒、長音頻（3小時）。[1][4]
  • •Voxtral Realtime：串流架構，延遲可配置至sub-200ms，4B參數，開放權重（Apache 2.0），Hugging Face上8.87GB下載。[1][4][6]
  • •Mistral Studio提供音頻遊樂場，可上傳檔案獲取區分轉錄，支援TXT/SRT/JSON下載。[1][6]
  • •API呼叫支援轉錄，定價$0.003/分，GDPR/HIPAA相容，本地或私有雲部署。[2][4]

🔮 前景展望AI analysis grounded in cited sources

Voxtral Realtime將加速語音代理應用採用
其sub-200ms延遲和邊緣部署支援使即時互動更自然且隱私優先。[1][4]
開放權重模型將降低STT部署成本
Apache 2.0許可允許免費自託管，優於雲端API依賴。[1][2]
多語言噪音魯棒性提升非英語市場滲透
13語言支援和工廠/呼叫中心效能解決現有模型弱點。[2][4]

⏳ 時間線

2025-07
Mistral發布原始Voxtral模型，Whisper-like語音轉錄家族起始。[6]
2026-02-04
發布Voxtral Mini Transcribe 2 (v26.02)，優化轉錄效能。[5]
2026-02
推出Voxtral Transcribe 2家族，包括Realtime開放權重模型及Mistral Studio音頻遊樂場。[1][3]
2026-03
日本媒體報導Voxtral Transcribe 2本地日語支援。[文章]
🗾閱讀原文： ITmedia AI+ (日本)
📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

同主題

探索 #speech-recognition

同產品

更多關於 voxtral-transcribe-2

同來源

最新來自 ITmedia AI+ (日本)

Rapidus 不與 TSMC 正面競爭，押注 2 奈米

Rapidus 不與 TSMC 正面競爭，押注 2 奈米

ITmedia AI+ (日本)•Aug 20
Gemini 如何讓資深員工成為 AI 重度使用者

Gemini 如何讓資深員工成為 AI 重度使用者

ITmedia AI+ (日本)•Aug 20
ChatGPT 如何選擇推薦結果

ChatGPT 如何選擇推薦結果

ITmedia AI+ (日本)•Aug 20
Slack Code 將 AI 程式編碼代理帶入團隊頻道

Slack Code 將 AI 程式編碼代理帶入團隊頻道

ITmedia AI+ (日本)•Aug 20

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ITmedia AI+ (日本) ↗

這是摘要，不是原文。去看原站，或訂閱每週簡報。

每週 AI 簡報

每週一封，可隨時退訂。