Mistral Voxtral Mini 4B 发布：实时流式 ASR

产品是什么

Voxtral Mini 4B Realtime 是 Mistral 发布的专注于实时流式语音识别（Streaming ASR）的轻量模型，参数规模仅 4B。相比传统的批处理 ASR，它设计为边接收音频流边输出识别结果，而非等待整段录音结束后再处理。这是语音识别从「录音后转写」走向「实时字幕 / 对话助手」场景的关键能力。

核心技术指标

官方披露三个核心卖点：

• 延迟 < 500ms：从音频输入到首个 token 输出的全链路延迟控制在 500 毫秒以内，这对于实时交互场景（如 AI 助手、实时字幕、会议转录）是硬门槛。
• 准确率可比离线模型：暗示其流式输出质量并未因低延迟而大幅牺牲字准确率（WER），但具体 WER 数据需等社区 benchmark。
• vLLM 首日支持：模型发布当天即进入 vLLM 框架的推理支持列表，这对想要本地部署或自建服务的开发者是重大利好——无需等待第三方集成周期。

解决什么问题

实时 ASR 传统上需要 大模型 + 低延迟推理引擎 的组合。Whisper Larg