أصدرت Mistral عائلة Voxtral، أول عائلة نماذج مفتوحة الأوزان لديها للنسخ الصوتي وفهم الصوت. تُظهر المعايير الرسمية أداءً قوياً في التعرف على الكلام متعدد اللغات والإجابة عن الأسئلة الصوتية، بينما يختلف حجما النموذجين اختلافاً كبيراً في متطلبات العتاد. إليك ما يدعمه هذا الإصدار فعلياً، ولماذا لا يزال Whisper Notes يعتمد نماذج أصغر متخصصة في النسخ على أجهزة Apple الاستهلاكية.
نموذجان
أصدرت Mistral نقطتي تحقق بترخيص Apache 2.0 في يوليو 2025:
Voxtral Small 24B
- •24 مليار معامل
- •النسخ والترجمة والإجابة عن الأسئلة الصوتية والتلخيص
- •نافذة سياق بسعة 32 ألف رمز
- •نحو 55 جيجابايت من ذاكرة GPU بصيغة bf16/fp16
Voxtral Mini 3B
- •3 مليارات معامل
- •عائلة المهام الصوتية والنصية نفسها في نقطة تحقق أصغر
- •موجَّه رسمياً للنشر المحلي والطرفي
- •نحو 9.5 جيجابايت من ذاكرة GPU بصيغة bf16/fp16
الأوزان المفتوحة والترخيص
كلتا نقطتي التحقق لعام 2025 مفتوحتا الأوزان بترخيص Apache 2.0. يمكنك تنزيلهما وتشغيلهما بنفسك:
- ✓ أوزان النموذج متاحة بالكامل
- ✓ استضافة ذاتية أو تعديل ضمن شروط ترخيص Apache 2.0
- ✓ لا رسوم لواجهة Mistral البرمجية عند الاستضافة الذاتية؛ لكنك تتحمل تكلفة الحوسبة الخاصة بك
- ✓ معالجة الصوت على خوادمك الخاصة
المصادر: إعلان إصدار Voxtral من Mistral، وبطاقة نموذج Voxtral Small الرسمية، وبطاقة نموذج Voxtral Mini الرسمية.
نتائج المعايير
يقارن إصدار Mistral متوسط معدل خطأ الكلمات (WER) عبر مجموعات إنجليزية قصيرة وطويلة، وMozilla Common Voice، وFLEURS، وMultilingual LibriSpeech. وفي نتائج FLEURS التي أوردتها Mistral، يتفوق Voxtral Small على Whisper في كل مهمة جرى تقييمها. القيمة الأدنى لـ WER أفضل:
قيم WER على FLEURS من معايير إطلاق Mistral مرسومة مقابل السعر التقديري لواجهة API؛ قد تتغير نتائج المعايير والأسعار على حد سواء
FLEURS ليست سوى شريحة واحدة من جودة النسخ. هذه نتائج معلنة من الجهات المطوِّرة نفسها، لذا قارن تعريفات المعايير المنشورة واختبر لغاتك وميكروفوناتك وظروف التسجيل لديك قبل اختيار نموذج.
Voxtral أم Whisper: أيهما تستخدم؟
لا تروي المعايير سوى جزء من القصة. إليك كيف تتقارن العائلتان في العوامل التي تهم فعلاً إذا أردت تشغيل أحد النماذج بنفسك:
| Voxtral Small | Voxtral Mini | Whisper Large v3 | Whisper Large-v3 Turbo | |
|---|---|---|---|---|
| اللغات | 8 لغات أساسية | 8 لغات أساسية | أكثر من 100 | أكثر من 100 |
| مفتوح المصدر | نعم | نعم | نعم | نعم |
| حجم النموذج | 24 مليار معامل؛ نحو 55 جيجابايت من ذاكرة GPU بصيغة bf16/fp16 | 3 مليارات معامل؛ نحو 9.5 جيجابايت من ذاكرة GPU بصيغة bf16/fp16 | 1.55 مليار معامل | 809 ملايين معامل (~1.6 جيجابايت) |
| عملي على جهاز Mac استهلاكي | ليس بالدقة الكاملة على العتاد الشائع | ممكن مع بيئة تشغيل متوافقة؛ أثقل من Turbo | نعم | نعم |
الخلاصة: يسجل Voxtral Small نتائج WER قوية ويضيف فهماً صوتياً لا يحاول Whisper تقديمه أصلاً. أما Voxtral Mini فهو نقطة التحقق التي توجهها Mistral للنشر المحلي والطرفي، لكن بطاقة نموذجه الرسمية لا تزال تذكر نحو 9.5 جيجابايت من ذاكرة GPU بصيغة bf16/fp16. بالنسبة لتطبيق نسخ استهلاكي، يبقى Whisper Large-v3 Turbo أسهل في الشحن ويغطي عدداً أكبر بكثير من اللغات. لهذا السبب يجمع Whisper Notes حالياً بين Whisper Turbo وParakeet V3 وSenseVoice بدلاً من Voxtral.
تكلفة واجهة API والاستضافة الذاتية
وفق ما تحققنا منه في 10 يوليو 2026، تذكر بطاقة النموذج لدى Mistral أن سعر إدخال الصوت لنموذج Voxtral Small هو 0.004 دولار للدقيقة. ويُحتسب إدخال النص والنص المولَّد على نحو منفصل في طلبات فهم الصوت. إذا استضفت أوزان Apache 2.0 بنفسك فلا توجد رسوم لواجهة Mistral البرمجية، لكنك تدفع تكاليف العتاد والتشغيل.
واجهة Mistral API
أوزان مستضافة ذاتياً
كيف يعمل
تصف بطاقة النموذج الرسمية Voxtral بأنه نموذج لغوي أساسي مزوَّد بمرمِّز صوتي ووضع مخصص للنسخ. أما حدود المنتج المهمة فمحددة بوضوح:
1. بنية متعددة الوسائط
يقبل Voxtral الصوت والنص في المحادثة نفسها بدلاً من العمل كمجرد مفكك ترميز لتحويل الكلام إلى نص:
- •وضع مخصص للنسخ المباشر
- •الإجابة عن الأسئلة الصوتية والتلخيص المنظَّم
- •مدخلات صوتية متعددة ومحادثات صوتية متعددة الأدوار
حد التسجيلات الطويلة
تدعم نافذة السياق البالغة 32 ألف رمز ما يصل إلى 30 دقيقة من الصوت للنسخ، أو 40 دقيقة لفهم الصوت الأوسع.
2. اللغات والتقييم
تذكر Mistral ثماني لغات أساسية مع كشف تلقائي للغة:
- •الإنجليزية والإسبانية والفرنسية والبرتغالية والهندية والألمانية والهولندية والإيطالية
- •تشمل المعايير FLEURS وMozilla Common Voice وMultilingual LibriSpeech
- •يقيِّم الإصدار أيضاً الصوت الإنجليزي القصير والطويل كلاً على حدة
3. متطلبات النشر
الأوزان المفتوحة لا تعني أن كل نقطة تحقق صغيرة بما يكفي لكل جهاز:
- •يتطلب Voxtral Small نحو 55 جيجابايت من ذاكرة GPU بصيغة bf16/fp16 وفق بطاقة نموذجه
- •Voxtral Mini هو نقطة التحقق ذات 3 مليارات معامل المخصصة للنشر المحلي والطرفي
- •توصي Mistral باستخدام vLLM لتشغيل نقاط التحقق المنشورة
4. الميزات الرئيسية
فهم سياقي
يستطيع الإجابة عن الأسئلة وإنتاج ملخصات مباشرة من الصوت، ضمن حد السياق البالغ 32 ألف رمز.
متعدد اللغات
يكشف تلقائياً وينسخ ثماني لغات أساسية: الإنجليزية والإسبانية والفرنسية والبرتغالية والهندية والألمانية والهولندية والإيطالية.
التعامل مع الضوضاء
يشمل التقييم الرسمي مجموعات كلام متنوعة، لكن Mistral لا تنشر ضماناً شاملاً لكل تسجيل صاخب.
النشر الطرفي
Voxtral Mini هو الخيار المحلي والطرفي. تذكر بطاقة نموذجه الرسمية نحو 9.5 جيجابايت من ذاكرة GPU بصيغة bf16/fp16.
5. البنية
ثلاثة مكونات رئيسية:
- 1. المرمِّز الصوتي: يحوِّل الموجة الصوتية إلى تمثيلات صوتية متعلَّمة
- 2. طبقة الإسقاط (Projector): تنقل التمثيلات الصوتية إلى الفضاء الكامن للنموذج اللغوي
- 3. النموذج اللغوي الأساسي: يولِّد النصوص المنسوخة أو الإجابات أو الملخصات أو استدعاءات الأدوات
هذا التصميم يفسر قدرة Voxtral على تجاوز مجرد النسخ، لكنه يعني أيضاً أنه يحمل أوزان نموذج لغوي أكبر بكثير من نموذج مخصص للنسخ فقط مثل Whisper Turbo.
لماذا لا يزال Whisper Notes خياراً منطقياً
يحل Voxtral وWhisper Notes مشكلتين مختلفتين. يجمع Voxtral بين النسخ وفهم الصوت؛ بينما يركز Whisper Notes على النسخ الخاص الذي يسهل تشغيله على أجهزة Apple الاستهلاكية.
ما يقدمه Whisper Notes
الخصوصية
- •معالجة 100% دون اتصال
- •لا نقل للبيانات
- •لا اعتماد على السحابة
الأداء
- •تقنية Whisper بدقة مثبتة
- •مُحسَّن لمعالجات Apple Silicon
- •نتائج موثوقة
التكلفة
- •شراء لمرة واحدة بالسعر الظاهر في قناة الشراء؛ ويشمل إصدار Mac تجربة مجانية بحد 10,000 كلمة
- •لا رسوم بالدقيقة
- •نسخ غير محدود
تجربة الاستخدام
- •واجهة بسيطة
- •تحديثات منتظمة
- •تحسينات مستمرة
متطلبات التخزين
Voxtral Small نموذج من فئة الخوادم بالدقة الكاملة: تذكر بطاقته الرسمية نحو 55 جيجابايت من ذاكرة GPU. أما Voxtral Mini فمخصص تحديداً للاستخدام المحلي والطرفي، لكن بطاقته لا تزال تذكر نحو 9.5 جيجابايت من ذاكرة GPU بصيغة bf16/fp16. في المقابل، يبلغ حجم تنزيل Whisper Turbo داخل التطبيق نحو 1.6 جيجابايت، وهو الأنسب لمنتج Whisper Notes الحالي.
يستخدم Whisper Notes نموذج Whisper Large-v3 Turbo — فهو يوازن بين الأداء والسرعة ومتطلبات ذاكرة الفيديو (VRAM) للاستخدام اليومي. وسنرقّي إلى نماذج أفضل عندما تصبح متاحة بمتطلبات موارد معقولة.
يصبح Voxtral خياراً جذاباً عندما تكون الإجابة عن الأسئلة الصوتية أو التلخيص أو النشر على خوادم مستضافة ذاتياً هي الأولوية. أما Whisper Notes فموجَّه للمستخدمين الأفراد الذين يريدون نسخاً خاصاً بلا اشتراك متكرر.
ماذا يعني هذا
يمثل Voxtral خطوة مهمة في النماذج مفتوحة الأوزان تتجاوز التعرف على الكلام البسيط، لأنه يستطيع الاستدلال على الصوت إضافة إلى نسخه.
أما للنسخ الخاص دون اتصال على Mac وiPhone، فتبقى المحركات الأصغر المتخصصة أسهل في التغليف وأكثر اتساقاً في التشغيل.
هل تقارن جميع الخيارات المحلية؟ كل نماذج تحويل الكلام إلى نص على الجهاز — متغيرات Whisper وParakeet V3 وSenseVoice وVoxtral — تُعرض جنباً إلى جنب في صفحة مقارنة نماذج Whisper لدينا.
الأسئلة الشائعة
ما هو Mistral Voxtral؟
Voxtral هو عائلة النماذج مفتوحة الأوزان من Mistral لنسخ الكلام وفهم الصوت. يتضمن إصدار يوليو 2025 نموذج Voxtral Small بـ 24 مليار معامل لأحمال العمل من فئة الخوادم، وVoxtral Mini بـ 3 مليارات معامل للنشر المحلي والطرفي. وتستخدم كلتا نقطتي التحقق ترخيص Apache 2.0.
هل يمكن تشغيل Voxtral محلياً على جهاز Mac؟
يمكن استضافة الأوزان القابلة للتنزيل ذاتياً، لكن للحجمين متطلبات مختلفة. يحتاج Voxtral Small إلى نحو 55 جيجابايت من ذاكرة GPU بصيغة bf16/fp16، لذا فهو خيار من فئة الخوادم. أما Voxtral Mini فهو نقطة التحقق المحلية والطرفية؛ تذكر بطاقة نموذجه نحو 9.5 جيجابايت بصيغة bf16/fp16، وتعتمد السرعة الفعلية واستهلاك الذاكرة على جهاز Mac على بيئة التشغيل ومستوى التكميم.
هل يستخدم Whisper Notes نموذج Voxtral؟
لا. يشغِّل Whisper Notes نماذج Parakeet V3 (الافتراضي على Mac) وWhisper Large-v3 Turbo وSenseVoice — وهي نماذج اختيرت لأنها توازن بين الأداء والسرعة ومتطلبات ذاكرة الفيديو للاستخدام اليومي على Apple Silicon. وسنتبنى نماذج أفضل متى أصبح تشغيلها عملياً على الأجهزة الاستهلاكية.
كم عدد اللغات التي يدعمها Voxtral؟
تذكر بطاقات النماذج الرسمية ثماني لغات أساسية مع كشف تلقائي: الإنجليزية والإسبانية والفرنسية والبرتغالية والهندية والألمانية والهولندية والإيطالية. كما تقيِّم Mistral اللغة العربية ضمن FLEURS، لكنها غير مدرجة في قائمة اللغات الأساسية في بطاقة النموذج.
متى صدر Mistral Voxtral؟
أصدرت Mistral نموذج Voxtral في 15 يوليو 2025. وكانت نقطتا التحقق الأوليان بترخيص Apache 2.0 هما Voxtral Small بـ 24 مليار معامل وVoxtral Mini بـ 3 مليارات معامل.
تحميل لنظام iOS