Mistral: Voxtral Mini Transcribe

Voxtral Mini Transcribe 2 je edice Voxtral od Mistral AI zaměřená na přepis, v kartě modelu výrobce označená jako voxtral-mini-2602. Je navržena pro dávkový přepis nahrávek místo širší role odpovídání na otázky původního modelu Voxtral Mini 3B. Vstupem je zvuk a výsledkem přepsaný text, volitelně obohacený o označení mluvčích a časové informace. Praktická použití zahrnují přepisy schůzek, analýzu rozhovorů, záznamy hovorů více účastníků a text zarovnaný s nahranými médii.

Výrobce dokumentuje diarizaci mluvčích a čas začátku a konce, aby přepis mohl ukázat, kdo a kdy mluvil. Časové značky na úrovni slov podporují titulky, vyhledávání ve zvuku a zarovnání textové pasáže s její pozicí v nahrávce. Příručka výrobce umožňuje časovou granularitu segmentů nebo slov. U rozhovoru je užitečným artefaktem sled přiřazených pasáží s časováním; při přípravě titulků může časování slov nebo segmentů vést pozdější titulkovací krok, místo aby se muselo odvozovat z prostého textu přepisu.

Kontextové usměrnění přijímá až 100 slov nebo frází, které model vedou k zamýšlenému zápisu jmen, technických termínů a oborové slovní zásoby. Mistral uvádí, že tato funkce je optimalizovaná pro angličtinu a podpora jiných jazyků je experimentální. Připravte cílený seznam slovní zásoby z tématu nahrávky místo nesouvisejícího slovníčku. Vlastní příklad může dodat názvy projektů a odborné termíny, které pravděpodobně zaznějí v technické diskusi, a poté tyto zápisy ověřit v dokončeném přepisu.

Tato edice podporuje třináct jazyků: angličtinu, čínštinu, hindštinu, španělštinu, arabštinu, francouzštinu, portugalštinu, ruštinu, němčinu, japonštinu, korejštinu, italštinu a nizozemštinu. Výrobce dokumentuje také odolnost vůči šumu a nahrávky do tří hodin v jediném požadavku. Tyto vlastnosti patří postupu nahrávek Mini Transcribe 2; údaje o kontextu a délce původního modelu 2507 pro porozumění zvuku popisují jiné vydání. Je dostupná automatická detekce jazyka a příručka uvádí, že výslovné dodání známého jazyka zvuku může zlepšit přesnost přepisu.

Ve zdokumentovaném postupu výrobce lze zvuk dodat jako nahraný soubor, identifikátor dříve nahraného souboru nebo odkazovanou nahrávku. Doprovodná ukázka nahrávání přijímá nahrávky MP3, WAV, M4A, FLAC a OGG; pro předvedený postup nahrávání zvolte jeden z těchto formátů. Nahrávku ponechte dekódovatelnou a zahrňte relevantní řeč. U dlouhých materiálů zachovejte identifikátor a časový počátek, aby případné pozdější výňatky nebo úpravy šlo stále dohledat ke zdroji.

Referenční rozhraní přepisu vrací text a detekovaný jazyk, na vyžádání se segmenty, a samostatně dokumentuje streamované události přepisu. Diarizace je volitelná a ve výchozím stavu má hodnotu false. Příručka uvádí, že timestamp_granularities a výslovné nastavení jazyka aktuálně nejsou kompatibilní, proto zvolte požadovaný postup časování nebo ruční vodítko jazyka místo jejich kombinace. Přepis s označením mluvčích, slovníkové usměrnění a časování vybírejte podle zamýšleného výsledku, místo abyste je předpokládali u základního požadavku.

Překrývající se řeč je věcným omezením: Mistral uvádí, že při překrývání mluvčích model obvykle přepíše jednoho mluvčího. Přepis s označením proto nelze považovat za vyčerpávající záznam každého současně vysloveného projevu. U záznamu schůzky zkontrolujte obtížné překryvy a důležitá jména nebo čísla vůči nahrávce. Účelem modelu je přepis; shrnutí, překlad nebo analýza mohou být samostatnou úlohou založenou na tomto přepisu. Voxtral Realtime má samostatné charakteristiky latence živého přepisu, zatímco generování řeči patří jiným modelům.

Připravte výsledek pro další použití. Postup schůzky může zachovat přepis, označení mluvčích a časování před samostatnou fází extrakce rozhodnutí; mediální postup může pomocí časování vyhledat pasáže a navrhnout titulky; nahrávka s mnoha odbornými termíny může zahrnout cílený seznam kontextového usměrnění a kontrolu výsledných zápisů. Užitečným výstupem je text propojený se zdrojovou nahrávkou a nastavenými metadaty, přičemž tato číslovaná edice přepisu zůstává odlišená od původního modelu Mini a průběžně aktualizovaných názvů latest.