Mistral 把流式语音带进阿拉伯语：480 毫秒延迟下平均 CER 8.82%，与摩洛哥政府共建

Mistral 放出 Voxtral Mini 4B Realtime Arabic：约 44 亿参数（BF16），从 Voxtral-Mini-4B-Realtime-2602 微调而来，16 千赫兹音频进因果音频编码器再进语言解码器，边到边出文字，转录延迟可配置。官方模型卡给的成绩是：在 480 毫秒延迟设置下，七个阿拉伯语基准的平均字符错误率 8.82%，距同一家台面上的离线模型 Voxtral Transcribe Arabic 的 7.91% 只差 0.91 个百分点，同时超过若干开源与闭源离线模型。

覆盖面是它的重点：现代标准阿拉伯语之外还标了 16 种方言（摩洛哥、利比亚、突尼斯、阿尔及利亚、哈桑尼亚、海湾、内志、阿曼、也门、埃及、苏丹、美索不达米亚与南北黎凡特等），训练重点放在同一段对话里来回切换语言的语码切换场景上。同批还放出 LIDstral-Arabic：一个只做语言与方言判别的分类器，用 fastText 一对多打分加 64 单元 MLP 堆叠与逐类等距校准，识别阿拉伯语各方言与同用阿拉伯字母的非阿拉伯语，避免只看字形就把文本判成阿拉伯语。

两款都按 Apache 2.0 授权、权重在 HF 公开，Voxtral 还配了 WebGPU 在线演示与 ONNX 版本。背景是主权 AI 这条线：Voxtral Arabic 与摩洛哥数字转型与行政改革部（MTNRA）共同开发，属 2026 年 1 月 Mistral 与摩洛哥战略合作下的交付物，两个新基准 ISMA 与 Darija in the Wild 也是与该部门共建，CER 归一化规则同样来自这次合作。Mistral 官方新闻页截至本轮没有对应公告，本条日期取 HF 仓库创建时间而非官方宣布日。

原文链接：Mistral AI 官方模型卡