Mistral AI近日发布开源语音理解模型Voxtral系列，该系列基于Mistral Small 3.1开发，包含Voxtral Small（24B）和Voxtral Mini（3B）两个版本，分别针对生产环境和本地/边缘部署优化，另提供仅支持语音转文字的Voxtral Mini Transcribe。

Voxtral支持32K Token上下文长度，可处理30分钟音频转录或40分钟音频理解任务，具备生成结构化摘要和提问能力，兼容英语、法语、西班牙语等印欧语系多语种。官方测试显示，Voxtral Mini Transcribe成本仅为OpenAI Whisper的一半且性能更优；Voxtral Small在高级用例中表现接近ElevenLabs Scribe，价格优势显著。