Mistral AIAudiomodellAktiv
Voxtral Mini Transcribe Realtime
BeliebtheitPlatz 602 von 876
18von 100wie im Vormonat
Zusammenfassung
Mistral beschreibt Voxtral Mini Transcribe Realtime als effizientes Modell, das ausschließlich für Live-Transkription vortrainiert und optimiert wurde. Die Modellseite führt die Version v26.02 als allgemein verfügbar und unter Apache 2.0. Zusätzlich zur API ist lokale Ausführung vorgesehen.
Voxtral Mini Transcribe Realtime v26.02 ist unter Apache 2.0 allgemein verfügbar und kann über die API oder lokal laufen. Die genaue API-Kennung lautet voxtral-mini-transcribe-realtime-2602. Für eine Audiodatei mit nachträglicher Analyse steht Voxtral Mini Transcribe 2 als getrennter Pfad bereit; die Live-Variante bleibt auf Transkription spezialisiert.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 101 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 9
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
VoiceCodeBench: CTEM (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 83.333
- Bewertung
- 83.333
- Messgröße
- canonical token/entity match
- Einheit
- %
- Benchmark-Version
- 1
- Kategorie
- general
- Aufgabe
- ctem
- Aufgabenbezeichnung
- CTEM
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vals AI
- Status
- active
- Abrufdatum
- 2026-11-06
- Methodik
- Kennung des Quellmodells: mistral/voxtral-mini-transcribe-realtime-2602. Name des Quellmodells: Voxtral Mini Transcribe Realtime. Anbieter laut Quelle: Mistral. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-24. Latenz in Sekunden: 15.376. Standardfehler: 0. Kosten je Aufgabe in USD: 0.006704. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-voice-code-bench-2026-11-06-7753d162bfe3. Prüfsumme der Quelldaten: 7753d162bfe3fa3470d586da3917bf8ddd96f14e10f9aa8f03dd517b8d5f003b. Parserversion: vals-astro-v4. Importiert am: 2026-11-06. Quellenkohorte: vals-voice-code-bench:1:ctem
VoiceCodeBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 46
- Bewertung
- 46
- Messgröße
- task success rate
- Einheit
- %
- Benchmark-Version
- 1
- Kategorie
- general
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vals AI
- Status
- active
- Abrufdatum
- 2026-11-06
- Methodik
- Kennung des Quellmodells: mistral/voxtral-mini-transcribe-realtime-2602. Name des Quellmodells: Voxtral Mini Transcribe Realtime. Anbieter laut Quelle: Mistral. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-24. Latenz in Sekunden: 15.376. Standardfehler: 0. Kosten je Aufgabe in USD: 0.006704. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-voice-code-bench-2026-11-06-7753d162bfe3. Prüfsumme der Quelldaten: 7753d162bfe3fa3470d586da3917bf8ddd96f14e10f9aa8f03dd517b8d5f003b. Parserversion: vals-astro-v4. Importiert am: 2026-11-06. Quellenkohorte: vals-voice-code-bench:1:overall
Artificial Analysis AA-WER Streaming (final transcription) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 5.2393
- Bewertung
- 5.2393
- Messgröße
- word error rate (WER)
- Einheit
- %
- Benchmark-Version
- AA-WER v2.2 streaming
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Unabhängige Evaluation. Direkte Streaming-Auswertung über die API; WER der finalen Transkription über AA-AgentTalk (50 %), VoxPopuli (25 %) und Earnings22 (25 %), insgesamt etwa acht Stunden. WER ist innerhalb jedes Datensatzes nach Dauer gewichtet; Die Chunks von Earnings22 werden auf Ebene des übergeordneten Aufrufs wieder zusammengesetzt. Streaming-Protokoll AA-WER v2.2.
Coval pooled corpus-level STT word error rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 5.3588643092655595
- Bewertung
- 5.3588643092655595
- Messgröße
- Pooled corpus-level speech-recognition word error rate, Coval pooled_value
- Einheit
- %
- Benchmark-Version
- Coval rolling 30-day window, re-measured daily; route last measured 2026-10-16
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 25882
- Quellentyp
- official-leaderboard
- Auswertung
- Coval
- Status
- superseded
- Abrufdatum
- 2026-10-16
- Methodik
- Offizielle Benchmark-Rangliste. Coval-Endpunktschlüssel mistral/voxtral-mini-transcribe-realtime-2602, exakte Mistral-API-Modellkennung voxtral-mini-transcribe-realtime-2602, gehostet von Mistral. Die Route nennt den Echtzeit-Checkpoint 2602 und kein familienweites Voxtral-Ergebnis. Rollierendes 30-Tage-Fenster, tägliche Neumessung.
- Einordnung
- Dies ist Covals gepoolte, korpusweite STT-WER, nicht der separate Mittelwert pro Clip oder ein gerundeter Ranglistenwert. Gepoolte WER und mittlere WER pro Clip sind unterschiedliche Aggregationen und dürfen nicht als derselbe Wert verglichen werden. Verwendet wird sample_count der WER-Zeile, nicht die Stichprobenzahl einer anderen Metrik oder eine Gesamtzahl der Rangliste. Das Ergebnis beschreibt Covals gehostete 30-Tage-Endpunktkohorte, nicht eine lokale oder native Ausführung.
Pipecat STT Benchmark semantic WER mean (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 4.49
- Bewertung
- 4.49
- Messgröße
- Arithmetic mean semantic word error rate across successfully transcribed samples
- Einheit
- %
- Benchmark-Version
- Pipecat STT Benchmark at commit 94f567299a21f8d617039bc69f137a131f5dedd5, September 2026 semantic-WER judge update
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Pipecat STT Benchmark
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Die gepinnte Ergebnistabelle berichtet Semantic WER über 1.000 versuchte Beispiele aus pipecat-ai/smart-turn-data-v3.1-train. WER Mean ist der Mittelwert über Samples mit zurückgegebenem Transkript. Die Tabelle nennt 99,3 % erfolgreiche Transkripte, aber nicht die genaue Zahl bewerteter WER-Samples. Die Semantic-Bewertung durch Claude Sonnet 5.5 ignoriert Satzzeichen, Kontraktionen, Füllwörter und bedeutungsgleiche Formulierungen. Die Quelle dokumentiert keine Sprachverteilung; die Datensatzvorschau zeigt englische Transkripte.
- Einordnung
- Die genaue Zahl bewerteter WER-Samples und ein modellspezifisches Konfidenzintervall werden nicht veröffentlicht. Die Zahl 1.000 bezeichnet versuchte Samples, nicht den WER-Nenner. Laut README liegen Unterschiede unter etwa 0,25 Prozentpunkten bei den genauesten Diensten innerhalb des 95-%-Bootstrap-Intervalls. Nahe Werte daher nicht als Rangfolge auslegen.
Pipecat STT Benchmark semantic pooled WER (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 5.11
- Bewertung
- 5.11
- Messgröße
- Pooled semantic word error rate, total judged errors divided by total reference words
- Einheit
- %
- Benchmark-Version
- Pipecat STT Benchmark at commit 94f567299a21f8d617039bc69f137a131f5dedd5, September 2026 semantic-WER judge update
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Pipecat STT Benchmark
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Die gepinnte Ergebnistabelle berichtet Semantic WER über 1.000 versuchte Beispiele aus pipecat-ai/smart-turn-data-v3.1-train. Pooled WER teilt die Summe bewerteter semantischer Wortfehler durch die Gesamtzahl der Referenzwörter und schließt Samples ohne zurückgegebenes Transkript aus. Die Tabelle nennt 99,3 % erfolgreiche Transkripte, aber nicht die genaue bewertete Zahl. Die Semantic-Bewertung durch Claude Sonnet 5.5 ignoriert Satzzeichen, Kontraktionen, Füllwörter und bedeutungsgleiche Formulierungen. Die Quelle dokumentiert keine Sprachverteilung; die Datensatzvorschau zeigt englische Transkripte.
- Einordnung
- Die genaue Zahl bewerteter WER-Samples und ein modellspezifisches Konfidenzintervall werden nicht veröffentlicht. Die Zahl 1.000 bezeichnet versuchte Samples, nicht den WER-Nenner. Laut README liegen Unterschiede unter etwa 0,25 Prozentpunkten bei den genauesten Diensten innerhalb des 95-%-Bootstrap-Intervalls. Nahe Werte daher nicht als Rangfolge auslegen.
A5Sv2 ASR benchmark, Mega-ASR fixed robustness selection (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 32.546769
- Bewertung
- 32.546769
- Messgröße
- word error rate (WER)
- Einheit
- %
- Benchmark-Version
- A5Sv2 pinned release commit 64284911a02b38ce07e1d184c56b9c1335f20b57
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 32928
- Quellentyp
- independent-evaluator
- Auswertung
- AirCaps A5Sv2 ASR benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Mistral-API-Modell-ID voxtral-mini-transcribe-realtime-2602; natives kausales Streaming mit 480 ms Transkriptionsverzögerung und echtzeitgetakteten PCM-Chunks von 560 ms, nur finale Transkripte. Ein gespeicherter Lauf pro System und Korpus, eingefrorene Wortbeginn-Referenzen v2. Mega-ASR nutzt eine feste Auswahl von 1.250 Äußerungen aus Trainingssplits von Voices-in-the-Wild-2M, nicht dessen Standard-Testsplit.
- Einordnung
- Dies ist ein anderer Datensatz und ein anderes Protokoll als bei den vorhandenen Voxtral-Werten vom 16. Oktober. Das Benchmark veröffentlicht einen gespeicherten Lauf ohne Wiederholungen oder Konfidenzintervall. Die API-Modell-ID ist nicht an einen unveränderlichen Serving-Build gebunden. AirCaps sagt, dass der eigene A5Sv2-Checkpoint nicht auf die konkreten Mega-ASR-Dateien optimiert wurde. Ob Drittanbieter überlappende Quelldaten gesehen haben, ist unbekannt.
A5Sv2 ASR benchmark, AMI scenario-only evaluation meetings (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 48.712342
- Bewertung
- 48.712342
- Messgröße
- word error rate (WER)
- Einheit
- %
- Benchmark-Version
- A5Sv2 pinned release commit 64284911a02b38ce07e1d184c56b9c1335f20b57
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 32928
- Quellentyp
- independent-evaluator
- Auswertung
- AirCaps A5Sv2 ASR benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Mistral-API-Modell-ID voxtral-mini-transcribe-realtime-2602; natives kausales Streaming mit 480 ms Transkriptionsverzögerung und echtzeitgetakteten PCM-Chunks von 560 ms, nur finale Transkripte. Ein gespeicherter Lauf pro System und Korpus, eingefrorene Wortbeginn-Referenzen v2. AMI umfasst sieben Szenario-Meetings aus der Unseen-Evaluation und nutzt Array1-01-Audio.
- Einordnung
- Dies ist ein anderer Datensatz und ein anderes Protokoll als bei den vorhandenen Voxtral-Werten vom 16. Oktober. Das Benchmark veröffentlicht einen gespeicherten Lauf ohne Wiederholungen oder Konfidenzintervall. Die API-Modell-ID ist nicht an einen unveränderlichen Serving-Build gebunden. AirCaps sagt, dass der eigene A5Sv2-Checkpoint nicht auf die konkreten Mega-ASR-Dateien optimiert wurde. Ob Drittanbieter überlappende Quelldaten gesehen haben, ist unbekannt.
A5Sv2 ASR benchmark, DiPCo evaluation and development meetings (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 75.521839
- Bewertung
- 75.521839
- Messgröße
- word error rate (WER)
- Einheit
- %
- Benchmark-Version
- A5Sv2 pinned release commit 64284911a02b38ce07e1d184c56b9c1335f20b57
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 33679
- Quellentyp
- independent-evaluator
- Auswertung
- AirCaps A5Sv2 ASR benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Mistral-API-Modell-ID voxtral-mini-transcribe-realtime-2602; natives kausales Streaming mit 480 ms Transkriptionsverzögerung und echtzeitgetakteten PCM-Chunks von 560 ms, nur finale Transkripte. Ein gespeicherter Lauf pro System und Korpus, eingefrorene Wortbeginn-Referenzen v2. DiPCo nutzt fünf Evaluations-Meetings und ein Entwicklungs-Meeting mit U01.CH1-Audio und fester Verstärkung von +5,1 dB.
- Einordnung
- Dies ist ein anderer Datensatz und ein anderes Protokoll als bei den vorhandenen Voxtral-Werten vom 16. Oktober. Das Benchmark veröffentlicht einen gespeicherten Lauf ohne Wiederholungen oder Konfidenzintervall. Die API-Modell-ID ist nicht an einen unveränderlichen Serving-Build gebunden. AirCaps sagt, dass der eigene A5Sv2-Checkpoint nicht auf die konkreten Mega-ASR-Dateien optimiert wurde. Ob Drittanbieter überlappende Quelldaten gesehen haben, ist unbekannt.
A5Sv2 ASR benchmark, NOTSOFAR eval-small meetings (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 45.30037
- Bewertung
- 45.30037
- Messgröße
- word error rate (WER)
- Einheit
- %
- Benchmark-Version
- A5Sv2 pinned release commit 64284911a02b38ce07e1d184c56b9c1335f20b57
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 33492
- Quellentyp
- independent-evaluator
- Auswertung
- AirCaps A5Sv2 ASR benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Mistral-API-Modell-ID voxtral-mini-transcribe-realtime-2602; natives kausales Streaming mit 480 ms Transkriptionsverzögerung und echtzeitgetakteten PCM-Chunks von 560 ms, nur finale Transkripte. Ein gespeicherter Lauf pro System und Korpus, eingefrorene Wortbeginn-Referenzen v2. NOTSOFAR nutzt 22 Meetings aus eval-small und das Audio sc_meetup_0/ch0.wav.
- Einordnung
- Dies ist ein anderer Datensatz und ein anderes Protokoll als bei den vorhandenen Voxtral-Werten vom 16. Oktober. Das Benchmark veröffentlicht einen gespeicherten Lauf ohne Wiederholungen oder Konfidenzintervall. Die API-Modell-ID ist nicht an einen unveränderlichen Serving-Build gebunden. AirCaps sagt, dass der eigene A5Sv2-Checkpoint nicht auf die konkreten Mega-ASR-Dateien optimiert wurde. Ob Drittanbieter überlappende Quelldaten gesehen haben, ist unbekannt.
A5Sv2 ASR benchmark, unweighted macro mean across four corpora (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 50.52033
- Bewertung
- 50.52033
- Messgröße
- macro mean of corpus-level word error rates (WER)
- Einheit
- %
- Benchmark-Version
- A5Sv2 pinned release commit 64284911a02b38ce07e1d184c56b9c1335f20b57
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 4
- Quellentyp
- independent-evaluator
- Auswertung
- AirCaps A5Sv2 ASR benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Arithmetischer Mittelwert der vier Korpus-WER-Werte für die exakte Mistral-API-Modell-ID voxtral-mini-transcribe-realtime-2602; natives kausales Streaming mit 480 ms Transkriptionsverzögerung und echtzeitgetakteten PCM-Chunks von 560 ms. Ein gespeicherter Lauf pro System und Korpus; feste Korpusauswahlen und eingefrorene Wortbeginn-Referenzen v2.
- Einordnung
- Diese Aggregation gewichtet die vier Korpus-WER-Werte gleich; sie ist nicht der nach Wortzahl gepoolte WER. Ein Konfidenzintervall und eine unveränderliche API-Serving-Revision werden nicht veröffentlicht.
A5Sv2 ASR benchmark, pooled WER across four corpora (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 50.639344
- Bewertung
- 50.639344
- Messgröße
- pooled word error rate (WER)
- Einheit
- %
- Benchmark-Version
- A5Sv2 pinned release commit 64284911a02b38ce07e1d184c56b9c1335f20b57
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 133027
- Quellentyp
- independent-evaluator
- Auswertung
- AirCaps A5Sv2 ASR benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Gepoolte Fehler geteilt durch alle 133.027 normalisierten Referenzwörter der vier Korpora für die exakte Mistral-API-Modell-ID voxtral-mini-transcribe-realtime-2602; natives kausales Streaming mit 480 ms Transkriptionsverzögerung und echtzeitgetakteten PCM-Chunks von 560 ms. Ein gespeicherter Lauf pro System und Korpus; eingefrorene Wortbeginn-Referenzen v2.
- Einordnung
- Diese nach Referenzworten gepoolte Aggregation gewichtet Korpora nach ihrer Wortzahl; sie ist nicht der ungewichtete Makromittelwert. Ein Konfidenzintervall und eine unveränderliche API-Serving-Revision werden nicht veröffentlicht.
Seite 1 von 9
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
0 bis 100, höher ist beliebter
20 von 83 Modellen
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 6. November 2026
Voxtral Mini Transcribe RealtimeIndex-Echo-S2TT-2B 26Index-Echo-S2TT-9B 24Eleven Flash v2.5 22Lyria Realtime 19
Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:
- 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.
Voxtral Mini Transcribe Realtime im Vergleich
- 1Voxtral Mini Transcribe Realtime vs. Gemini 3.5 Transcribe Live4 gemeinsame Tests
- 2Voxtral Mini Transcribe Realtime vs. GPT-Live-Transcribe10 gemeinsame Tests
- 3Voxtral Mini Transcribe Realtime vs. GPT-Realtime-Whisper19 gemeinsame Tests
- 4Voxtral Mini Transcribe Realtime vs. Scribe v2 Realtime6 gemeinsame Tests
- 5Voxtral Mini Transcribe Realtime vs. Flux5 gemeinsame Tests
- 6Voxtral Mini Transcribe Realtime vs. Nova-31 gemeinsamer Test
- 7Voxtral Mini Transcribe Realtime vs. Cartesia Ink-24 gemeinsame Tests
- 8Voxtral Mini Transcribe Realtime vs. Muse Voice Transcribe6 gemeinsame Tests
- 9Voxtral Mini Transcribe Realtime vs. Universal-3.6 Pro Realtime1 gemeinsamer Test
Ähnliche Modelle
Weitere Modelle derselben Art wie Voxtral Mini Transcribe Realtime, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- Voxtral Mini TTSMistral AI · gleicher Anbieter
- Voxtral Mini Transcribe 2Mistral AI · gleicher Anbieter
- Voxtral Mini Transcribe 3Mistral AI · gleicher Anbieter
- Voxtral Mini Transcribe Realtime 3Mistral AI · gleicher Anbieter
- Voxtral Mini TTS 3Mistral AI · gleicher Anbieter
- Voxtral Mini TTS Realtime 3Mistral AI · gleicher Anbieter
- Voxtral Small Transcribe 3Mistral AI · gleicher Anbieter
- pyannote Community-1pyannote · beliebt in dieser Kategorie
Alle technischen Daten
Architektur
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Wasserzeichen-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
API
Weitere Angaben
Quellen und Datenstand
Alle 31 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
| Auswerter | Testreihen | Gesamtindizes | Erfasste aktive Messwerte |
|---|---|---|---|
| Vals AI | 1 | 0 | 3 |
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.