Voxtral Mini Transcribe 3, de Mistral, queda segundo en el ranking de diarización de Voice Arena
Mistral AI destacó que su modelo de transcripción Voxtral Mini Transcribe 3 ocupa el segundo lugar entre nueve en una tabla que mide quién habló y qué dijo. Según Voice Arena, incluso superó a su versión más grande.

En los rankings de modelos de IA suele ganar el más grande. Esta vez, según los datos que Mistral AI compartió en X, un modelo "mini" logró quedar por delante de uno de mayor tamaño.
El 28 de octubre, la compañía publicó que Voxtral Mini Transcribe 3 ocupa el segundo lugar en el ranking Diarization + ASR de Voice Arena. Ese ranking mide dos tareas a la vez. ASR (reconocimiento automático del habla) es convertir audio en texto. La diarización consiste en identificar quién habla en cada momento de una conversación, algo clave en reuniones, entrevistas o llamadas con varias personas.
La cifra original viene de Voice Arena, la cuenta que mantiene la tabla. Seis días antes, el 22 de octubre, había informado de que el modelo quedó segundo entre nueve por DER, la tasa de error de diarización, una métrica en la que un valor más bajo indica menos errores al atribuir los turnos de habla. Voice Arena añadió que el modelo superó a su "contraparte de mayor tamaño".
La evaluación llegó después del lanzamiento de la nueva familia Voxtral 3 de Mistral. Según Voice Arena, sus modelos de transcripción Mini y Small fueron puestos a prueba en esa plataforma. El texto disponible se corta ahí, así que no es posible confirmar cuál fue exactamente el modelo superado ni los detalles del resto de la evaluación.
Conviene leer el dato con cautela. Es un puesto en una tabla concreta, con nueve modelos y una sola métrica, y la publicación que Mistral compartió no incluye los valores de DER, los conjuntos de audio usados, los idiomas evaluados ni los modelos rivales. Tampoco hay información sobre precios, licencia, disponibilidad por países o soporte para español, datos que importan para quien quiera usar la herramienta en Latinoamérica.
Aun así, la señal es interesante para equipos que trabajan con grabaciones de reuniones, centros de contacto o periodismo, donde saber quién dijo qué es tan importante como la transcripción. Antes de sacar conclusiones, lo razonable es revisar el lanzamiento de Voxtral 3, su ficha técnica y sus condiciones de uso, y probar el modelo con audios propios, en español y con acentos regionales.
Fuente: Mistral AI en X