Voxtral 3 TTS مقابل ElevenLabs: أرخص بستة أضعاف، ومتأخر بمئة نقطة
- OrcaجديدOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 10 tok/s
- deepseekجديدDeepSeek: DeepSeek V4.1 Flash 10172026-10-1745الذكاء
- DeepSeekجديدDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
- OrcaجديدOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 لكل مليون رمز · 150 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952الذكاء
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856الذكاء
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 لكل مليون رمز · 297 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238الذكاء
- OpenAIOpenAI: GPT-6 Sol2026-09-2248الذكاء
- AnthropicAnthropic: Claude Opus 5.52026-09-2258الذكاء
- xAIGrok 4.72026-09-2146الذكاء
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 لكل مليون رمز · 49 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 لكل مليون رمز · 826 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453الذكاء77البرمجة
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241الذكاء76البرمجة
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245الذكاء76البرمجة
- AnthropicAnthropic: Claude Fable 5.12026-09-0153الذكاء82البرمجة
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 لكل مليون رمز · 47 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 لكل مليون رمز · 94 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642الذكاء72البرمجة
حدّدت Mistral سعر Voxtral 3 TTS عند 13 دولارًا لكل مليون حرف، وأطلقتها في سوق يكلّف فيه النموذج الذي يقيس الجميع أداءهم مقارنةً به، ElevenLabs Eleven v4، 80 دولارًا ويسجّل 1,328 نقطة Elo مقابل 1,217 لـ Voxtral. أي 111 نقطة من تفضيل المستمعين في اختبار أعمى مقابل 6.2 أضعاف المال، وعلى ظاهر الأمر فإن النموذج الرخيص ليس قريبًا بما يكفي ليكون ذا أهمية. لكنه يهم رغم ذلك، لسبب لا تُظهره لوحة النتائج: فـ ElevenLabs لا تبيع التركيب الصوتي فحسب، بل تبيع منصة صوتية — مكتبة، ودبلجة، ووكلاء، واستنساخًا احترافيًا — ومعظم الفرق التي تدفع 80 دولارًا لكل مليون حرف إنما تدفع مقابل المنصة بقدر ما تدفع مقابل الصوت. أما Voxtral 3 TTS، الذي صدر في 20 أكتوبر 2026، فيأتي ضمن حزمة تطوير برمجيات (SDK) للوكلاء وقصة نشر ذات سيادة أوروبية بدلاً من ذلك. لذا فالمقارنة التي تحسم قرار الشراء ليست "أيهما يبدو أفضل صوتًا"، لأن هذه قد حُسمت، بل "أي من هاتين الحزمتين هي التي تحتاجها فعلاً". تُجمَع حالات فشل الذكاء الاصطناعي الموثّقة وحوادث الوكلاء الكامنة وراء إصدارات كهذا الإصدار في أرشيف حوادث الذكاء الاصطناعي OrcaRouter حيث يحمل كل مُدخل مصادره الخاصة ودرجة خطورته وتصنيف ثقته وعلامة كونه محل نزاع.
لوحة النتائج، قبل أي شيء آخر
• Voice Elo لمزوّدي الخدمة — ElevenLabs Eleven v4: 1,328 (#2 من 98). Voxtral 3 TTS: 1,217 (#13). كلا الرقمين وفق Artificial Analysis، بتاريخ 21 أكتوبر 2026.
• إيلو الصوت المتحكم به — Eleven v4: 1,157 (#4، بالتعادل مع Eleven v4 Turbo). Voxtral 3 TTS: 1,066 (#14).
• سعر القائمة لكل مليون حرف — 80.00 دولارًا مقابل 13.00 دولارًا.
• اللغات — ElevenLabs: 74 في جميع الخطط. Voxtral 3 TTS: أكثر من 35 لغة وأكثر من 50 لهجة، مع إعدادات مسبقة في 18.
• استنساخ فوري — ElevenLabs: من نحو 30 ثانية من الصوت في الخطط المدفوعة. Voxtral 3 TTS: لا يوجد استنساخ فوري منشور؛ يتطلب تكييف "Pro Voice" 30 دقيقة من الصوت.
• الأوزان — مغلقة لكليهما.
ثمة سطر في تلك القائمة يستحق نظرة ثانية: الطراز الرائد الأرخص من ElevenLabs نفسه. يسجّل Eleven v4 Turbo نتيجة 1,333 — أي خمس نقاط فوق Eleven v4، ضمن هامش الضجيج — مقابل 40 دولارًا لكل مليون حرف، أي نصف السعر تمامًا. إذا كان الاختيار محض «أفضل صوت تبيعه ElevenLabs»، فإن Turbo هو الخيار المعقول، وهو يقلّص الفجوة إلى Voxtral 3 TTS من 111 في Elo إلى 116 مقابل ثلاثة أضعاف السعر فقط. إن سلّم الأسعار لدى ElevenLabs أوسع مما تعترف به معظم مقارنات هذه المواجهة.
كيف تبدو النقاط الـ111 في منتج
فجوة إيلو بهذا الحجم ليست طفيفة. في الاستماع الأعمى جنبًا إلى جنب، إنها الفرق الذي يلاحظه المستمع في الجملة الأولى، لا الخامسة — قابلة للمقارنة بالفجوة بين Eleven v3 وEleven v4 ضمن خط إنتاج ElevenLabs نفسه (1,182 مقابل 1,328). يقع Sonic 3.6 من Cartesia، عند 1,289، في المنتصف، وهو النموذج الذي يقوّض بأكثر مباشرة تفسير "تحصل على ما تدفع مقابله"؛ فهو يتفوق على Voxtral بـ72 ويكلّف 49 دولارًا، أي نصف تكلفة Eleven v4.
حيث يتركّز الفارق هو التحكم في الإلقاء على المواد التعبيرية. بُني الجيل v4 من ElevenLabs حول وسوم صوتية — تعليمات مضمّنة في النص للعاطفة والإيقاع والتشديد — وحول مكتبة أصوات عميقة بما يكفي بحيث لا تلجأ معظم الفرق إلى الاستنساخ إطلاقًا. ويقدّم Voxtral 3 TTS من Mistral تحكمًا على مستوى الموجّه في العاطفة والإيقاع والتشديد، إضافةً إلى نطق على مستوى الفونيم ومكتبة مفردات. وكلاهما يتيح التوجيه. تلقّى ElevenLabs جيلين من الملاحظات العامة حول كيفية تصرّف عناصر التحكم تلك عند الحالات الطرفية، بينما لم يحصل Voxtral 3 TTS سوى على يوم واحد.
تضيق الفجوة في ما يتعلق بأي لغة أوروبية غير الإنجليزية. بُني نموذج Mistral على أساس تعدد اللغات أولاً، مع ادعاء تغطية أكثر من 50 لهجة وتغطية جميع لغات الاتحاد الأوروبي الرسمية الـ24 عبر عائلته الصوتية. وتغطي ElevenLabs 74 لغة، وهو أوسع من حيث العدد، لكن اتساع العدد وجودة كل لغة ادعاءان مختلفان، ولا ينشر أي من المورّدين نتائج Elo لكل لغة. إذا كنت تطلق منتجًا بالهولندية أو البولندية أو البرتغالية، فلن تخبرك أي من لوحتي النتائج بالإجابة؛ عليك أن تستمع.
ما الذي يشتريه فعلاً مبلغ 80 دولارًا لكل مليون حرف
هذا هو الجزء من المقارنة الذي يتوقف عنده فرق السعر عن الظهور كأنه هامش ربح إضافي. فسعر ElevenLabs لكل حرف مُضمَّن داخل منصة: سوق أصوات مشترك يمكنك الترخيص منه بدلًا من الاستنساخ، واستنساخ احترافي للأصوات من نحو 30 دقيقة من الصوت مع سير عمل للموافقة، والدبلجة، والمؤثرات الصوتية، وحزمة وكلاء محادثة، وعدة سنوات من مكتبات العملاء والتكاملات. لا يظهر أي من ذلك على لوحة متصدرين، وكل ذلك عمل كان الفريق سيقوم به لولا ذلك.
تشير حزمة Mistral في اتجاه مختلف. تأتي Voxtral 3 TTS إلى جانب SDK لوكيل صوتي قائم على LiveKit، مع دعم الهاتفية SIP وWebRTC وIVR، وزمن دور وكيل يُزعم أنه أقل من ثانية، وسعر وكيل بالدقيقة قدره 0.04 دولار مع Mistral Small 4 كنموذج الاستدلال. كما تأتي بعرض صريح للنشر السيادي: نقاط نهاية في الاتحاد الأوروبي والولايات المتحدة وعالمية، ونشر ذاتي على بنية تحتية خاصة، واهتمام معلن بمكان معالجة الصوت وما إذا كان يُحتفظ به. وبالنسبة لمؤسسة أوروبية أو مشترٍ من القطاع العام، تمثل هذه إجابة مشتريات لا تضاهيها ElevenLabs حالياً بالشكل نفسه.
ببساطة: تبيع ElevenLabs اتساع المنتجات، بينما تبيع Mistral التحكم في النشر. الفريق الذي يحتاج إلى الدبلجة والمؤثرات الصوتية وكتالوج أصوات مرخّص لا يختار بين هذين الخيارين أصلًا. أما الفريق الذي يحتاج إلى صوت واحد، في زوج لغوي واحد، يعمل داخل مركز بيانات يتحكم فيه، فهو يدفع مقابل قدر كبير من ElevenLabs لن يستخدمه أبدًا.
مسألة الهجرة، بصراحة
الصياغة المغرية هي: «انتقل من ElevenLabs ووفّر 84%». لكن احسب الأرقام قبل أن تصدّقها، فالتوفير لا يكون حقيقياً إلا لأحمال العمل التي تستطيع تحمّل تراجع الجودة والميزات الغائبة.
• سردٌ خالص على نطاق واسع، بلغة واحدة، وبلا أصوات مرخّصة — التوفير حقيقي. ألف ساعة شهريًا تكلّف نحو 4,320 دولارًا على Eleven v4 مقابل 700 دولار على Voxtral 3 TTS، والمستمع لا يُجري مقارنات A/B.
• أي شيء يتضمن صوتًا مرخّصًا لمشاهير أو علامة تجارية من مكتبة ElevenLabs — الترحيل غير ممكن. لا يوجد لـ Voxtral 3 TTS سوق؛ فأنت تُحضر 30 دقيقة من الصوت وتُنتج تكييفك الخاص.
• أي شيء موجّه للمستخدم حيث يرفع العميل مقطعًا قصيرًا ويتوقع أن يسمع صوته — تستنسخ ElevenLabs الصوت في نحو 30 ثانية، أما Voxtral، وفقًا لوثائق Mistral، فلا يقدّم استنساخًا فوريًا على الإطلاق.
• أي شيء يستخدم بالفعل الدبلجة أو المؤثرات الصوتية أو حزمة أدوات المحادثة — فالمقارنة الفعلية ليست بين 80 دولارًا و13 دولارًا، لأن المغادرة تعني استبدال منتجات لم تكن يومًا على بند الفاتورة نفسه.
النمط الواقعي هو تقسيم: أبقِ ElevenLabs للأجزاء من المنتج التي يستمع فيها إنسان عن كثب وقد يقارن، وانقل التوليد الصوتي بالجملة إلى النموذج الأرخص. إن تنفيذ هذا التقسيم بسلاسة مشكلة توجيه لا مشكلة مشتريات. يكشف OrcaRouter عن أكثر من 200 نموذج خلف مفتاح واحد متوافق مع OpenAI مع تمرير سعر قائمة المزوّد كما هو بهامش ربح 0%، بحيث يمكن لمهمة سرد بصوت العلامة ونسخة صوتية موجّهة للعملاء أن تشيرا إلى خلفيات مختلفة دون عقد ثانٍ — وإذا تدهور أحد نقاط النهاية أثناء التوليد، التحويل التلقائي عند الفشل يحافظ على استمرار المهمة. حتى وقت كتابة هذا النص، لا يوجد Voxtral 3 TTS ولا ElevenLabs في كتالوج OrcaRouter؛ فكلاهما يمكن الوصول إليه عبر واجهات API الخاصة بمورديهما وعدة منصات طرف ثالث، وتصميم التوجيه هو ما تبنيه الآن كي يصبح التبديل تغييرًا في الإعدادات لاحقًا.
ما الذي قد يغيّر هذا الحكم؟
ثلاثة تطورات، لم يحدث أي منها بعد.
الرقم الأول هو رقم زمن وصول. لم تنشر Mistral زمن الوصول إلى أول مقطع صوتي لـ Voxtral 3 TTS. أرقام زمن الوصول الوحيدة في مواد الإطلاق تخصّ نموذج النسخ الفوري (أقل من 500 مللي ثانية) وحلقة الوكيل (أقل من ثانية واحدة). تُبلغ Artificial Analysis عن معدل نقل وسطي قدره 112 حرفًا في الثانية، وهو أسرع من 56 لدى Eleven v3 وأبطأ من 145 لدى Sonic 3.6، لكن معدل النقل ليس زمن بدء التشغيل. إذا اتضح أن Voxtral 3 TTS يبثّ مع رقم أول صوت قريب من رقم Cartesia، فسيصبح مرشحًا للعمل التفاعلي وستبدو أسعار ElevenLabs أسوأ. وإذا لم يكن كذلك، فتبقى فئة البثّ مغلقة أمامه ويظل $13 سعرًا للعرض بالدفعات فقط.
الثاني هو تقييم مستقل على مستوى اللغة. درجات لوحة الصدارة إجمالية؛ يمكن لنموذج أن يحمل 1,217 إيلو إجمالًا وأن يكون أفضل بكثير أو أسوأ بكثير في الإيطالية. لا ينشر أي من المورّدين التفصيل، وبالنسبة لمشترٍ أوروبي فإن هذا هو الرقم الأهم.
الثالث هو التحمّل. مقاطع Arena قصيرة. لا تذكر مواد Mistral حدًا أقصى لطول التوليد لنقطة نهاية TTS، والاتساق في النصوص الطويلة — وهو الأمر الذي يقوم عليه إرث ElevenLabs في السرد — غير مختبَر بالنسبة إلى Voxtral 3 TTS عند أي طول قد يهم منتج كتاب صوتي.
إلى أن تصل تلك الأمور، يكون القرار واضحًا على نحو غير معتاد. إذا كان العميل سيحكم على صوت منتجك عبر مقطع قصير، فادفع لـ ElevenLabs، وادفع مقابل Eleven v4 Turbo بسعر 40 دولارًا بدلًا من الطراز الرائد بسعر 80 دولارًا. أما إذا كان صوت منتجك يُولَّد بكميات كبيرة، وبإحدى اللغات الأوروبية، على بنية تحتية تتحكم بها، ويُعاد تشغيله بدلًا من أدائه مباشرةً، فإن Voxtral 3 TTS بسعر 13 دولارًا يمثل رهانًا يمكن الدفاع عنه بسقف جودة معروف — والسقف أقل بـ111 نقطة من الحل القائم، وهو رقم يمكنك التخطيط على أساسه بدلًا من أن يكون مفاجأة تكتشفها في المراجعة.
