Mistral AI、最高価格パフォーマンスのVoxtral Mini Transcribe 2をリリース

Mistral AIは、転写APIの中で最高の価格パフォーマンスを誇るバッチ転写ソリューション、Voxtral Mini Transcribe 2を発表しました。FLEURSベンチマークで4%の単語誤り率（WER）を達成し、わずか$0.003/分の価格です。このモデルは話者分離、コンテキストバイアス、単語レベルのタイムスタンプを備え、13言語をサポートします。

Voxtral Realtimeは、ボイスエージェントやライブアプリケーション向けに設計されたネイティブストリーミングアーキテクチャを採用し、200ms未満への遅延設定が可能です。480msの遅延で、オフラインモデル比1-2%以内のWERを維持します。このリアルタイムモデルはApache 2.0ライセンスの下でオープンウェイトとして公開されています。

開発者はMistral Studioの新しいオーディオプレイグラウンドでVoxtral Mini Transcribe 2を試せます。オーディオファイルをアップロードし、話者分離をオンにしたり、コンテキストバイアスを適用したりして、即時転写を取得可能です。

両モデルともAPIで即時利用可能：Voxtral Mini Transcribe 2が$0.003/分、Voxtral Realtimeが$0.006/分で、Realtimeのオープンウェイトも併用できます。

大規模言語モデルで知られるMistral AIは、これらの転写技術でマルチモーダル機能をさらに強化しています。