Voxtral Transcribe 2评测：与Whisper和ScreenApp的比较

Mistral刚刚发布了Voxtral Transcribe 2，语音识别领域变得更加有趣。这个于2026年2月5日发布的新模型家族包括用于批量处理的Voxtral Mini Transcribe V2和用于实时转录的Voxtral Realtime，后者延迟低于200毫秒。凭借Apache 2.0开放权重和每分钟0.003美元的定价，这是转录API市场上最具竞争力的方案。

但基准测试只能展现部分面貌。如果你需要转录会议或录制并转录实时音频，真正重要的是完整体验：真实对话中的准确性、易用性、说话人识别，以及转录之后发生什么。

Voxtral Transcribe 2是什么

Voxtral Transcribe 2是Mistral AI的两个语音识别模型系列。第一个模型Voxtral Mini Transcribe V2处理批量转录。上传最长3小时的音频文件，即可获得带说话人标签、逐词时间戳和专业术语上下文调整的转录文本。支持包括中文在内的13种语言。

第二个模型Voxtral Realtime专为实时转录设计。与按块处理音频的批量模型不同，Realtime采用流式架构，音频到达即刻转录。延迟可配置至200毫秒以下。

Mistral声称Voxtral Mini Transcribe V2在FLEURS基准测试中达到约4%的词错误率，超越GPT-4o mini Transcribe、Gemini 2.5 Flash、AssemblyAI Universal和Deepgram Nova。音频处理速度约为ElevenLabs Scribe v2的3倍，质量相当而成本仅为五分之一。

Voxtral Realtime以Apache 2.0许可证发布。你可以从Hugging Face下载权重并在自有硬件上运行。40亿参数的模型足够紧凑，适合边缘设备。

Voxtral对比Whisper

OpenAI的Whisper自2022年以来一直是标准开源转录模型。large-v3变体仍被广泛使用，OpenAI提供每分钟0.006美元的托管API。

Whisper large-v3在多语言基准测试中报告约10.3%的词错误率，而Voxtral在FLEURS上声称约4%。差距显著，但基准数字应谨慎解读。

Whisper的托管API不包含说话人分离。需要与单独的分离流水线组合。Voxtral在批量模型中原生集成了说话人分离，大大简化了流水线。

价格方面，Whisper API每分钟0.006美元。Voxtral Mini Transcribe V2每分钟0.003美元，恰好一半。Voxtral Realtime每分钟0.006美元，与Whisper持平但提供实时流传输。

Voxtral对比云服务

AssemblyAI提供情感分析和主题检测，每分钟0.222美元。Deepgram Nova起价每分钟0.0043美元。Rev结合AI转录与人工审核，纯AI每分钟0.02美元起。

关键区别：Voxtral是模型，不是平台。它提供转录文本、时间戳和说话人标签，但不提供可搜索的存档、AI摘要或工作流程。

Voxtral对比ScreenApp

在这里，比较从模型转向产品。ScreenApp不是转录模型，而是一个完整的会议和录制平台，将AI转录作为更大工作流程的组成部分。

当你用ScreenApp录制会议时，平台处理整个流水线：录制、带说话人分离的转录、AI生成的摘要、行动项目、可搜索的存档和分享。

ScreenApp直接在浏览器中运行，无需安装软件、无需API密钥、无需维护基础设施。与Zoom、Google Meet、Microsoft Teams等平台集成。

使用ScreenApp，你点击录制，参加会议，其余一切自动完成。AI笔记助手生成结构化笔记。

对比表

谁应该使用Voxtral

Voxtral Transcribe 2最适合构建语音应用的开发者和工程团队。对于语音代理、实时字幕或呼叫中心自动化，Voxtral以有竞争力的价格提供强大的模型。

需要将会议转录作为工作流程一部分的专业人士，ScreenApp是更好的选择。

大局观

VentureBeat宣布2026年为”笔记之年”。高质量转录的成本在短短两年内下降了一个数量级。Voxtral每分钟0.003美元意味着转录八小时工作日仅需1.44美元。

原始转录正在商品化。差异化在于之后发生的事情：智能摘要、可搜索的存档和无缝共享。

开始使用

要试用Voxtral Transcribe 2，请访问Mistral的音频试验场。

要获得无需设置即可使用的转录，请试用ScreenApp的在线转录生成器。

FAQ

Voxtral Transcribe 2免费吗？

Voxtral Realtime以Apache 2.0开放权重形式提供，可在自有硬件上免费运行。API每分钟0.006美元。Voxtral Mini Transcribe V2仅通过API提供，每分钟0.003美元。

Voxtral比Whisper准确多少？

Mistral报告Voxtral Mini Transcribe V2在FLEURS上约4%词错误率，而Whisper large-v3约10.3%。实际结果取决于音频质量。

Voxtral支持说话人分离吗？

是的，Voxtral Mini Transcribe V2包含内置说话人分离。Voxtral Realtime目前不支持。

我可以用Voxtral转录会议吗？

可以用API转录会议音频，但需要自建录制、存储、摘要和分享的流水线。ScreenApp提供完整的工作流程解决方案。

Voxtral支持哪些语言？

13种语言：英语、中文、印地语、西班牙语、阿拉伯语、法语、葡萄牙语、俄语、德语、日语、韩语、意大利语和荷兰语。