Mistral刚刚放出了最新款语音转文本模型：Voxtral Transcribe 2，实时延迟低于200ms，支持说话人分离

Mistral推出了Voxtral Transcribe 2语音转文本模型，实时延迟低于200ms，支持说话人分离。该模型有两个版本：Voxtral Realtime适用于实时应用，延迟可配置到200ms以内，且词错误率接近离线版；Voxtral Mini Transcribe 2适用于批量处理，支持13种语言和词级时间戳