Voxtral Mini 4B Realtime Arabic

Mistral AI · 2026-10-08 · 类别未确认

Voxtral Mini 4B Realtime Arabic

Mistral 面向阿拉伯语方言与标准阿拉伯语发布的流式语音转文本模型，面向真实场景音频与语码转换设计，模型卡标注为与摩洛哥数字化与行政改革部（MTNRA）联合开发、隶属 Mistral 与摩洛哥 2026 年 1 月签署的战略伙伴关系。收录评测以阿拉伯语语音识别的 CER 为主：七个阿拉伯语基准平均 CER 8.82%（480 ms 转写延迟）。

输入模态: 语音转文本
上下文: 官方资料未说明
参数: 约 4.4B
价格（每百万 tokens）: 无此口径报价；不等于免费

本变体的评测证据

arabic-asr-cer 8.82% 模型 voxtral-mini-4b-realtime-arabic · 版本 480 ms 转写延迟 · 指标 Character Error Rate · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-23 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Benchmarks · row: 七基准平均 CER（配置化转写延迟 480 ms） · quote_snippet: At a configured transcription delay of 480 ms, the model achieves an average Character Error Rate (CER) of 8.82% across seven Arabic benchmarks.

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": 0,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": "七个阿拉伯语基准（ISMA / Darija in the Wild / MGB-2 / SADA / Casablanca / FLEURS / MASC clean）上的平均 CER，归一化方式与 MTNRA 联合构建",
  "judge": null
}

new-benchmark: arabic-asr-cer（阿拉伯语 ASR 七基准平均 CER，官方与摩洛哥 MTNRA 联合构建的评测口径；本条首次入库，先由兜底详情页顶着）。散文明文，按正文口径记 verified；官方八面板柱状图「Seven-benchmark average」面板读数同为 8.82，与散文互证，且本模型七项基准值（6.68+9.69+5.31+13.75+20.34+2.66+3.33）÷ 7 = 8.8228 自洽。协议明示：temperature 0.0、配置化转写延迟 480 ms、CER 归一化与 MTNRA 联合构建；换用其它归一化方式分数会不同。同图竞品列按契约只写进本行 notes，不拆成独立行。

打开官方来源

arabic-asr-cer 图表尚无可读数值 模型 voxtral-mini-4b-realtime-arabic · 版本 80 ms 转写延迟 · 指标 Character Error Rate · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-23 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Benchmarks · row: 七基准平均 CER 随配置化转写延迟变化（80 ms 点） · figure: images/avg_evals_by_delay.png

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": 0,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": "七个阿拉伯语基准（ISMA / Darija in the Wild / MGB-2 / SADA / Casablanca / FLEURS / MASC clean）上的平均 CER，归一化方式与 MTNRA 联合构建",
  "judge": null
}

new-benchmark: arabic-asr-cer。位图行，按图行规则记 pending：数值只存在于像素，视觉转写只进 notes 与归档 index.md，未经人工读图确认不得翻 verified。视觉转写：80 ms 档七基准平均 CER = 10.64%。同图竞品参考线（CER %，视觉转写）：Voxtral Transcribe Arabic 7.91、MAI-Transcribe 2 8.23、Scribe v2 9.74、Muse 10.76、Cohere Transcribe Arabic 14.35、Gemini 3.8 Flash 14.45。延迟是本模型的硬约束：80 ms 档比 480 ms 档的 8.82% 高 1.82 个百分点，实时字幕类场景不能直接引用 480 ms 的数字。

打开官方来源

arabic-asr-cer 图表尚无可读数值 模型 voxtral-mini-4b-realtime-arabic · 版本 160 ms 转写延迟 · 指标 Character Error Rate · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-23 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Benchmarks · row: 七基准平均 CER 随配置化转写延迟变化（160 ms 点） · figure: images/avg_evals_by_delay.png

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": 0,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": "七个阿拉伯语基准（ISMA / Darija in the Wild / MGB-2 / SADA / Casablanca / FLEURS / MASC clean）上的平均 CER，归一化方式与 MTNRA 联合构建",
  "judge": null
}

new-benchmark: arabic-asr-cer。位图行，按图行规则记 pending：数值只存在于像素，视觉转写只进 notes 与归档 index.md，未经人工读图确认不得翻 verified。视觉转写：160 ms 档七基准平均 CER = 9.76%。同图竞品参考线（CER %，视觉转写）：Voxtral Transcribe Arabic 7.91、MAI-Transcribe 2 8.23、Scribe v2 9.74、Muse 10.76、Cohere Transcribe Arabic 14.35、Gemini 3.8 Flash 14.45。延迟是本模型的硬约束：160 ms 档比 480 ms 档的 8.82% 高 0.94 个百分点，实时字幕类场景不能直接引用 480 ms 的数字。

打开官方来源

arabic-asr-cer 图表尚无可读数值 模型 voxtral-mini-4b-realtime-arabic · 版本 320 ms 转写延迟 · 指标 Character Error Rate · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-23 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Benchmarks · row: 七基准平均 CER 随配置化转写延迟变化（320 ms 点） · figure: images/avg_evals_by_delay.png

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": 0,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": "七个阿拉伯语基准（ISMA / Darija in the Wild / MGB-2 / SADA / Casablanca / FLEURS / MASC clean）上的平均 CER，归一化方式与 MTNRA 联合构建",
  "judge": null
}

new-benchmark: arabic-asr-cer。位图行，按图行规则记 pending：数值只存在于像素，视觉转写只进 notes 与归档 index.md，未经人工读图确认不得翻 verified。视觉转写：320 ms 档七基准平均 CER = 9.17%。同图竞品参考线（CER %，视觉转写）：Voxtral Transcribe Arabic 7.91、MAI-Transcribe 2 8.23、Scribe v2 9.74、Muse 10.76、Cohere Transcribe Arabic 14.35、Gemini 3.8 Flash 14.45。延迟是本模型的硬约束：320 ms 档比 480 ms 档的 8.82% 高 0.35 个百分点，实时字幕类场景不能直接引用 480 ms 的数字。

打开官方来源

arabic-asr-cer 图表尚无可读数值 模型 voxtral-mini-4b-realtime-arabic · 版本 720 ms 转写延迟 · 指标 Character Error Rate · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-23 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Benchmarks · row: 七基准平均 CER 随配置化转写延迟变化（720 ms 点） · figure: images/avg_evals_by_delay.png

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": 0,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": "七个阿拉伯语基准（ISMA / Darija in the Wild / MGB-2 / SADA / Casablanca / FLEURS / MASC clean）上的平均 CER，归一化方式与 MTNRA 联合构建",
  "judge": null
}

new-benchmark: arabic-asr-cer。位图行，按图行规则记 pending：数值只存在于像素，视觉转写只进 notes 与归档 index.md，未经人工读图确认不得翻 verified。视觉转写：720 ms 档七基准平均 CER = 8.8%。同图竞品参考线（CER %，视觉转写）：Voxtral Transcribe Arabic 7.91、MAI-Transcribe 2 8.23、Scribe v2 9.74、Muse 10.76、Cohere Transcribe Arabic 14.35、Gemini 3.8 Flash 14.45。延迟是本模型的硬约束：720 ms 档比 480 ms 档的 8.82% 高 -0.02 个百分点，实时字幕类场景不能直接引用 480 ms 的数字。

打开官方来源

isma 图表尚无可读数值 模型 voxtral-mini-4b-realtime-arabic · 版本未说明 · 指标 Character Error Rate · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-23 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Benchmarks · row: ISMA 面板 CER（480 ms 转写延迟） · figure: images/benchmark_scores.png

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": 0,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": "CER，归一化方式与 MTNRA 联合构建（覆盖阿语方言特有拼写、黏着成分、外来词与口语数字）",
  "judge": null
}

new-benchmark: isma（本条首次入库，先由兜底详情页顶着）。位图行，按图行规则记 pending：数值只存在于像素，视觉转写只进 notes 与归档 index.md，未经人工读图确认不得翻 verified。视觉转写：ISMA 面板 Voxtral Mini 4B Realtime Arabic 列 CER = 6.68%。同图竞品列按契约只写进本行 notes，不拆成独立行：Voxtral Transcribe Arabic 4.96、MAI-Transcribe 2 7.68、ElevenLabs Scribe v2 8.49、Meta Muse Transcribe 14.01、Gemini 3.8 Flash 14.82、Cohere Transcribe Arabic 19.35。

打开官方来源

darija-in-the-wild 图表尚无可读数值 模型 voxtral-mini-4b-realtime-arabic · 版本未说明 · 指标 Character Error Rate · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-23 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Benchmarks · row: Darija in the Wild 面板 CER（480 ms 转写延迟） · figure: images/benchmark_scores.png

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": 0,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": "CER，归一化方式与 MTNRA 联合构建（覆盖阿语方言特有拼写、黏着成分、外来词与口语数字）",
  "judge": null
}

new-benchmark: darija-in-the-wild（本条首次入库，先由兜底详情页顶着）。位图行，按图行规则记 pending：数值只存在于像素，视觉转写只进 notes 与归档 index.md，未经人工读图确认不得翻 verified。视觉转写：Darija in the Wild 面板 Voxtral Mini 4B Realtime Arabic 列 CER = 9.69%。同图竞品列按契约只写进本行 notes，不拆成独立行：Voxtral Transcribe Arabic 8.97、MAI-Transcribe 2 14.01、ElevenLabs Scribe v2 12.58、Meta Muse Transcribe 16.85、Gemini 3.8 Flash 28.20、Cohere Transcribe Arabic 27.22。

打开官方来源

mgb-2 图表尚无可读数值 模型 voxtral-mini-4b-realtime-arabic · 版本未说明 · 指标 Character Error Rate · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-23 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Benchmarks · row: MGB-2 面板 CER（480 ms 转写延迟） · figure: images/benchmark_scores.png

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": 0,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": "CER，归一化方式与 MTNRA 联合构建（覆盖阿语方言特有拼写、黏着成分、外来词与口语数字）",
  "judge": null
}

new-benchmark: mgb-2（本条首次入库，先由兜底详情页顶着）。位图行，按图行规则记 pending：数值只存在于像素，视觉转写只进 notes 与归档 index.md，未经人工读图确认不得翻 verified。视觉转写：MGB-2 面板 Voxtral Mini 4B Realtime Arabic 列 CER = 5.31%。同图竞品列按契约只写进本行 notes，不拆成独立行：Voxtral Transcribe Arabic 4.83、MAI-Transcribe 2 5.83、ElevenLabs Scribe v2 4.33、Meta Muse Transcribe 4.87、Gemini 3.8 Flash 7.92、Cohere Transcribe Arabic 7.30。

打开官方来源

sada 图表尚无可读数值 模型 voxtral-mini-4b-realtime-arabic · 版本未说明 · 指标 Character Error Rate · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-23 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Benchmarks · row: SADA 面板 CER（480 ms 转写延迟） · figure: images/benchmark_scores.png

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": 0,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": "CER，归一化方式与 MTNRA 联合构建（覆盖阿语方言特有拼写、黏着成分、外来词与口语数字）",
  "judge": null
}

new-benchmark: sada（本条首次入库，先由兜底详情页顶着）。位图行，按图行规则记 pending：数值只存在于像素，视觉转写只进 notes 与归档 index.md，未经人工读图确认不得翻 verified。视觉转写：SADA 面板 Voxtral Mini 4B Realtime Arabic 列 CER = 13.75%。同图竞品列按契约只写进本行 notes，不拆成独立行：Voxtral Transcribe Arabic 12.25、MAI-Transcribe 2 10.94、ElevenLabs Scribe v2 16.70、Meta Muse Transcribe 15.34、Gemini 3.8 Flash 18.46、Cohere Transcribe Arabic 21.78。

打开官方来源

casablanca 图表尚无可读数值 模型 voxtral-mini-4b-realtime-arabic · 版本未说明 · 指标 Character Error Rate · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-23 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Benchmarks · row: Casablanca 面板 CER（480 ms 转写延迟） · figure: images/benchmark_scores.png

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": 0,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": "CER，归一化方式与 MTNRA 联合构建（覆盖阿语方言特有拼写、黏着成分、外来词与口语数字）",
  "judge": null
}

new-benchmark: casablanca（本条首次入库，先由兜底详情页顶着）。位图行，按图行规则记 pending：数值只存在于像素，视觉转写只进 notes 与归档 index.md，未经人工读图确认不得翻 verified。视觉转写：Casablanca 面板 Voxtral Mini 4B Realtime Arabic 列 CER = 20.34%。同图竞品列按契约只写进本行 notes，不拆成独立行：Voxtral Transcribe Arabic 18.60、MAI-Transcribe 2 14.90、ElevenLabs Scribe v2 21.32、Meta Muse Transcribe 18.52、Gemini 3.8 Flash 21.64、Cohere Transcribe Arabic 19.49。

打开官方来源

fleurs 图表尚无可读数值 模型 voxtral-mini-4b-realtime-arabic · 版本未说明 · 指标 Character Error Rate · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-23 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Benchmarks · row: FLEURS 面板 CER（480 ms 转写延迟） · figure: images/benchmark_scores.png

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": 0,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": "CER，归一化方式与 MTNRA 联合构建（覆盖阿语方言特有拼写、黏着成分、外来词与口语数字）",
  "judge": null
}

new-benchmark: fleurs（本条首次入库，先由兜底详情页顶着）；FLEURS 实体已存在于 data/benchmarks/，本行复用该实体。位图行，按图行规则记 pending：数值只存在于像素，视觉转写只进 notes 与归档 index.md，未经人工读图确认不得翻 verified。视觉转写：FLEURS 面板 Voxtral Mini 4B Realtime Arabic 列 CER = 2.66%。同图竞品列按契约只写进本行 notes，不拆成独立行：Voxtral Transcribe Arabic 2.27、MAI-Transcribe 2 1.80、ElevenLabs Scribe v2 2.00、Meta Muse Transcribe 3.25、Gemini 3.8 Flash 5.88、Cohere Transcribe Arabic 2.06。

打开官方来源

masc-clean 图表尚无可读数值 模型 voxtral-mini-4b-realtime-arabic · 版本未说明 · 指标 Character Error Rate · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-23 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Benchmarks · row: MASC clean 面板 CER（480 ms 转写延迟） · figure: images/benchmark_scores.png

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": 0,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": "CER，归一化方式与 MTNRA 联合构建（覆盖阿语方言特有拼写、黏着成分、外来词与口语数字）",
  "judge": null
}

new-benchmark: masc-clean（本条首次入库，先由兜底详情页顶着）。位图行，按图行规则记 pending：数值只存在于像素，视觉转写只进 notes 与归档 index.md，未经人工读图确认不得翻 verified。视觉转写：MASC clean 面板 Voxtral Mini 4B Realtime Arabic 列 CER = 3.33%。同图竞品列按契约只写进本行 notes，不拆成独立行：Voxtral Transcribe Arabic 3.50、MAI-Transcribe 2 2.44、ElevenLabs Scribe v2 2.73、Meta Muse Transcribe 2.52、Gemini 3.8 Flash 4.23、Cohere Transcribe Arabic 3.21。

打开官方来源

未关联到本页变体的记录

这些记录不会分配给任意模型参与选型。

arabic-asr-cer 7.91% 模型 voxtral-transcribe-arabic · 版本 480 ms 转写延迟 · 指标 Character Error Rate · 单位 percent 来源等级 A · comparison_cited · 核对日期 2026-10-23 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Benchmarks · row: 七基准平均 CER（对照：Voxtral Transcribe Arabic） · quote_snippet: comes within 0.91 percentage points of Voxtral Transcribe Arabic’s 7.91% CER

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": 0,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": "七个阿拉伯语基准（ISMA / Darija in the Wild / MGB-2 / SADA / Casablanca / FLEURS / MASC clean）上的平均 CER，归一化方式与 MTNRA 联合构建",
  "judge": null
}

new-benchmark: arabic-asr-cer。竞品的独立明文引用（散文中直接印出对方分数），按抽取口径单列为 comparison_cited 一行。官方八面板柱状图「Seven-benchmark average」面板 Voxtral Transcribe Arabic 列亦读作 7.91，与其七项均值 7.911 自洽，两处互证。

打开官方来源