Mistral 开源阿拉伯语实时语音模型 Voxtral Mini 4B Realtime Arabic 与方言识别器 LIDstral，和摩洛哥政府合作开发

这件事意味着什么

【要点】

Mistral 10 月 8 日在 Hugging Face 放出两款阿拉伯语开源模型，都用 Apache 2.0 协议。一款是 Voxtral Mini 4B Realtime Arabic，约 44 亿参数的流式语音转文字模型，从 Voxtral Mini 4B Realtime 微调而来，覆盖现代标准阿拉伯语和摩洛哥、海湾、埃及、黎凡特等十几种方言，重点训练了说话时在阿拉伯语和其他语言之间来回切换的场景，可以边听边出字，适合实时字幕和语音界面。另一款是 LIDstral Arabic，一个能在 CPU 上跑的文本分类器，用来判断一段阿拉伯字母文字到底是标准语、哪国方言，还是同样用阿拉伯字母书写的其他语言，共 51 类。两款模型都与摩洛哥数字转型与行政改革部（MTNRA）合作开发，属于 Mistral 与摩洛哥 2026 年 1 月签署的战略合作，官方称之为「主权 AI 资产」。

【可核验】

据模型卡，Voxtral Mini 4B Realtime Arabic 在 480 毫秒转写延迟下，七个阿拉伯语基准的平均字错率（CER）为 8.82%，比 Mistral 自家离线模型 Voxtral Transcribe Arabic 的 7.91% 只差 0.91 个百分点；其中两个基准 ISMA 和 Darija in the Wild 是与 MTNRA 新做的，字错率计算用的归一化规则也是双方共同制定并随模型公开。LIDstral Arabic 在 84870 条样本上评测，摩洛哥方言（Darija）F1 为 88.67%，最强对照模型为 72.65%。两款模型目前只有 Hugging Face 模型卡，Mistral 官网新闻页没有单独发文，X 上讨论也很少。

【我们的判断】

这次发布本身规模不大，但能看出 Mistral 卖「主权 AI」的具体做法：不只是在本国部署一个大模型，而是和政府一起把方言评测集、计分规则和小模型一起做出来再开源，让当地机构能在自己的服务器上跑实时语音业务。阿拉伯语方言差异大、口语里夹杂法语和英语，一直是通用语音模型的弱项，一个 4B 级、能流式输出的开源模型对政务热线、字幕和客服都实用。需要注意的是，成绩全部来自 Mistral 和合作方自测，其中两个基准和归一化规则也是他们自己定的，换一套计分方法分数可能不同，真正的检验要看第三方在通用阿拉伯语基准上的复测。