Voxtral Small 1.0 24B 2507 přidává zvukový vstup a porozumění řeči k jazykovému základu Mistral Small. Přijímá zvuk a text a vrací text, včetně přepisu, odpovědi k nahrávce, překladu nebo strukturovaného shrnutí. Jde o pojmenovanou edici 24B pro porozumění řeči, odlišnou od Voxtral Mini, variant služby optimalizovaných pro přepis a pozdějších vydání Voxtral pro generování řeči nebo práci v reálném čase.
Přepis a porozumění zvuku
Model má vyhrazený režim čistého přepisu. Výrobce uvádí, že ve výchozím stavu automaticky předpovídá jazyk zdrojového zvuku a podle něj přepisuje. Tento režim použijte, pokud je požadovaným artefaktem samotné mluvené znění místo výkladu nebo shrnutí. Určete, zda má výsledek zachovat původní jazyk, nebo po něm následovat samostatně požadovaný překlad.
Porozumění zvuku umožňuje položit otázku přímo k nahrávce bez předchozího řetězení samostatného modelu rozpoznávání řeči a textového modelu. Požadavek se může ptát, které téma se probíralo, jaké rozhodnutí zaznělo nebo které informace v nahrávce odpovídají na konkrétní otázku. Výsledkem může být stručná odpověď nebo uspořádané shrnutí místo úplného přepisu každého vysloveného slova.
Pro shrnutí schůzky dodejte nahrávku a definujte pole k vrácení: témata, výslovně uvedená rozhodnutí a navazující akce. Jména nebo data požadujte jen tehdy, když v nahrávce skutečně zaznějí, a nevyřešené detaily oddělujte od rozhodnutí. U rozhovoru požadujte odpověď na konkrétní otázku a okolní kontext, který ji činí srozumitelnou. Tyto návrhy výstupu propojují zvukovou úlohu s dokumentem, který může někdo později použít.
Kontext, délka a jazyky
Výrobce dokumentuje kontext 32 tisíc tokenů a zvuk do 30 minut pro přepis nebo 40 minut pro porozumění. Tyto dva údaje o délce mají odlišný rozsah úloh. Než vyberete nahrávku, zvolte požadovanou operaci a při plánování dostupného kontextu zahrňte textový pokyn a konverzaci. Dlouhá nahrávka i dlouhá písemná odpověď spotřebovávají prostředky; údaj o délce není samostatným příslibem neomezené délky odpovědi.
Vydání mezi hlavními podporovanými jazyky jmenuje angličtinu, španělštinu, francouzštinu, portugalštinu, hindštinu, němčinu, nizozemštinu a italštinu a poskytuje automatickou detekci jazyka. Pro překlad řeči nastavte cílový jazyk a termíny, které mají zachovat původní podobu. U otázky k audiozáznamu v jednom jazyce odlišujte jazyk nahrávky od jazyka, v němž má být odpověď napsána.
Více nahrávek a navazující otázky
Karta podporuje několik zvukových vstupů ve zprávě a zvuk ve více uživatelských kolech. Při srovnávání dejte každé nahrávce identifikátor a uveďte její roli. Praktický požadavek může porovnat dvě verze mluveného vysvětlení, ptát se, které podmínky se změnily, a vrátit tabulku se samostatným sloupcem pro každou nahrávku. Identifikátory pomáhají propojit zjištění modelu se správným zdrojem.
Navazující dotaz může zachovat předchozí otázku a odpověď a současně žádat užší detail nebo dodat další nahrávku. Například nejprve požadujte rozhodnutí z diskuse a poté se zeptejte, které rozhodnutí se vztahuje ke konkrétnímu požadavku. Stejné vydání ukazuje také čistě textové a čistě zvukové požadavky. Jeho textový základ může pracovat s písemnou otázkou nebo výsledkem, zatímco zvuková schopnost poskytuje podklady z řeči.
Funkce řízené hlasem
Výrobce popisuje volání funkcí z mluveného záměru a příklad volání funkcí ve vydané kartě označuje za experimentální podporu. V tomto postupu aplikace definuje funkci a její argumenty, model připraví volání z požadavku a aplikace je provede a dodá výsledek. Hlasové vyhledání tak může vrátit písemnou odpověď využívající informace z připojeného nástroje. Volání funkcí neznamená, že model automaticky ovládá externí službu nebo provádí akci pouhým pojmenováním.
Účel funkce a potřebné informace ponechte výslovné. Pokud nahrávka žádá operaci, ale vynechává povinnou hodnotu, aplikace tuto hodnotu k provedení funkce stále potřebuje. Oddělte mluvený požadavek, navržené argumenty a vrácený výsledek, aby další odpověď mohla odkazovat na skutečný výsledek operace.
Doporučená nastavení a užitečná vymezení
Pro porozumění zvuku a konverzační dokončování karta doporučuje teplotu 0.2 a top-p 0.95. Pro přepis doporučuje teplotu 0.0. Výslovně uvádí, že v tomto vydaném postupu použití nejsou podporovány systémové prompty, proto úlohu a požadavky na odpověď umístěte do uživatelského vstupu místo přenosu konvence systémového promptu z jiného modelu Mistral.
Vyberte nahrávku obsahující materiály relevantní pro otázku, ponechte mluvenou řeč dobře slyšitelnou a určete, zda má být výsledkem přepis, překlad, odpověď nebo shrnutí. Zdokumentovaným výstupem je text. Pro mluvenou odpověď je potřeba komponenta pro převod textu na řeč. Z obecně deklarovaného porozumění zvuku nelze u tohoto konkrétního vydání vyvozovat podporu identifikace mluvčích, podrobné diarizace ani časových značek na úrovni slov.
Příklady generování 500 tokenů v kartě jsou ukázková nastavení, nikoli samostatně uvedená maximální výstupní kapacita. Při přípravě opakovatelného postupu zachovejte edici 2507, pokyny k délce pro konkrétní úlohu a vstupní jazyk. Užitečným konečným artefaktem je požadovaný text propojený s nahrávkou a formátovaný pro další dokumentový nebo aplikační krok.
", "aboutText": "Voxtral Small 1.0 24B 2507 přidává zvukový vstup a porozumění řeči k jazykovému základu Mistral Small. Přijímá zvuk a text a vrací text, včetně přepisu, odpovědi k nahrávce, překladu nebo strukturovaného shrnutí. Jde o pojmenovanou edici 24B pro porozumění řeči, odlišnou od Voxtral Mini, variant služby optimalizovaných pro přepis a pozdějších vydání Voxtral pro generování řeči nebo práci v reálném čase.\n\nPřepis a porozumění zvuku\n\nModel má vyhrazený režim čistého přepisu. Výrobce uvádí, že ve výchozím stavu automaticky předpovídá jazyk zdrojového zvuku a podle něj přepisuje. Tento režim použijte, pokud je požadovaným artefaktem samotné mluvené znění místo výkladu nebo shrnutí. Určete, zda má výsledek zachovat původní jazyk, nebo po něm následovat samostatně požadovaný překlad.\n\nPorozumění zvuku umožňuje položit otázku přímo k nahrávce bez předchozího řetězení samostatného modelu rozpoznávání řeči a textového modelu. Požadavek se může ptát, které téma se probíralo, jaké rozhodnutí zaznělo nebo které informace v nahrávce odpovídají na konkrétní otázku. Výsledkem může být stručná odpověď nebo uspořádané shrnutí místo úplného přepisu každého vysloveného slova.\n\nPro shrnutí schůzky dodejte nahrávku a definujte pole k vrácení: témata, výslovně uvedená rozhodnutí a navazující akce. Jména nebo data požadujte jen tehdy, když v nahrávce skutečně zaznějí, a nevyřešené detaily oddělujte od rozhodnutí. U rozhovoru požadujte odpověď na konkrétní otázku a okolní kontext, který ji činí srozumitelnou. Tyto návrhy výstupu propojují zvukovou úlohu s dokumentem, který může někdo později použít.\n\nKontext, délka a jazyky\n\nVýrobce dokumentuje kontext 32 tisíc tokenů a zvuk do 30 minut pro přepis nebo 40 minut pro porozumění. Tyto dva údaje o délce mají odlišný rozsah úloh. Než vyberete nahrávku, zvolte požadovanou operaci a při plánování dostupného kontextu zahrňte textový pokyn a konverzaci. Dlouhá nahrávka i dlouhá písemná odpověď spotřebovávají prostředky; údaj o délce není samostatným příslibem neomezené délky odpovědi.\n\nVydání mezi hlavními podporovanými jazyky jmenuje angličtinu, španělštinu, francouzštinu, portugalštinu, hindštinu, němčinu, nizozemštinu a italštinu a poskytuje automatickou detekci jazyka. Pro překlad řeči nastavte cílový jazyk a termíny, které mají zachovat původní podobu. U otázky k audiozáznamu v jednom jazyce odlišujte jazyk nahrávky od jazyka, v němž má být odpověď napsána.\n\nVíce nahrávek a navazující otázky\n\nKarta podporuje několik zvukových vstupů ve zprávě a zvuk ve více uživatelských kolech. Při srovnávání dejte každé nahrávce identifikátor a uveďte její roli. Praktický požadavek může porovnat dvě verze mluveného vysvětlení, ptát se, které podmínky se změnily, a vrátit tabulku se samostatným sloupcem pro každou nahrávku. Identifikátory pomáhají propojit zjištění modelu se správným zdrojem.\n\nNavazující dotaz může zachovat předchozí otázku a odpověď a současně žádat užší detail nebo dodat další nahrávku. Například nejprve požadujte rozhodnutí z diskuse a poté se zeptejte, které rozhodnutí se vztahuje ke konkrétnímu požadavku. Stejné vydání ukazuje také čistě textové a čistě zvukové požadavky. Jeho textový základ může pracovat s písemnou otázkou nebo výsledkem, zatímco zvuková schopnost poskytuje podklady z řeči.\n\nFunkce řízené hlasem\n\nVýrobce popisuje volání funkcí z mluveného záměru a příklad volání funkcí ve vydané kartě označuje za experimentální podporu. V tomto postupu aplikace definuje funkci a její argumenty, model připraví volání z požadavku a aplikace je provede a dodá výsledek. Hlasové vyhledání tak může vrátit písemnou odpověď využívající informace z připojeného nástroje. Volání funkcí neznamená, že model automaticky ovládá externí službu nebo provádí akci pouhým pojmenováním.\n\nÚčel funkce a potřebné informace ponechte výslovné. Pokud nahrávka žádá operaci, ale vynechává povinnou hodnotu, aplikace tuto hodnotu k provedení funkce stále potřebuje. Oddělte mluvený požadavek, navržené argumenty a vrácený výsledek, aby další odpověď mohla odkazovat na skutečný výsledek operace.\n\nDoporučená nastavení a užitečná vymezení\n\nPro porozumění zvuku a konverzační dokončování karta doporučuje teplotu 0.2 a top-p 0.95. Pro přepis doporučuje teplotu 0.0. Výslovně uvádí, že v tomto vydaném postupu použití nejsou podporovány systémové prompty, proto úlohu a požadavky na odpověď umístěte do uživatelského vstupu místo přenosu konvence systémového promptu z jiného modelu Mistral.\n\nVyberte nahrávku obsahující materiály relevantní pro otázku, ponechte mluvenou řeč dobře slyšitelnou a určete, zda má být výsledkem přepis, překlad, odpověď nebo shrnutí. Zdokumentovaným výstupem je text. Pro mluvenou odpověď je potřeba komponenta pro převod textu na řeč. Z obecně deklarovaného porozumění zvuku nelze u tohoto konkrétního vydání vyvozovat podporu identifikace mluvčích, podrobné diarizace ani časových značek na úrovni slov.\n\nPříklady generování 500 tokenů v kartě jsou ukázková nastavení, nikoli samostatně uvedená maximální výstupní kapacita. Při přípravě opakovatelného postupu zachovejte edici 2507, pokyny k délce pro konkrétní úlohu a vstupní jazyk. Užitečným konečným artefaktem je požadovaný text propojený s nahrávkou a formátovaný pro další dokumentový nebo aplikační krok.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Summarize a supplied meeting transcript\n\nSummarize this supplied transcript text: 'Ana: We will keep the current label. Ben: I will check the revised barcode by Tuesday. Ana: Shipping timing is still unconfirmed. Ben: Agreed.' Return topics, explicit decisions and follow-up actions. Separate the unresolved shipping date from decisions, and include owners or deadlines only when stated in the transcript.A meeting summary with topics, one decision, an owned action and an unresolved timing item.Check that keeping the label is the decision and shipping timing remains unconfirmed.mistralai/voxtral-small-24b-2507Voxtral Small 1.0 24B 2507 je model pro textový a zvukový vstup určený k přepisu, překladu řeči, otázkám a shrnutím. Výrobce dokumentuje kontext 32 tisíc tokenů, až 30 minut pro přepis nebo 40 minut pro porozumění, více zvukových vstupů a textové výsledky.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Voxtral Small 1.0 24B 2507 přidává zvukový vstup a porozumění řeči k jazykovému základu Mistral Small. Přijímá zvuk a text a vrací text, včetně přepisu, odpovědi k nahrávce, překladu nebo strukturovaného shrnutí. Jde o pojmenovanou edici 24B pro porozumění řeči, odlišnou od Voxtral Mini, variant služby optimalizovaných pro přepis a pozdějších vydání Voxtral pro generování řeči nebo práci v reálném čase.
Přepis a porozumění zvuku
Model má vyhrazený režim čistého přepisu. Výrobce uvádí, že ve výchozím stavu automaticky předpovídá jazyk zdrojového zvuku a podle něj přepisuje. Tento režim použijte, pokud je požadovaným artefaktem samotné mluvené znění místo výkladu nebo shrnutí. Určete, zda má výsledek zachovat původní jazyk, nebo po něm následovat samostatně požadovaný překlad.
Porozumění zvuku umožňuje položit otázku přímo k nahrávce bez předchozího řetězení samostatného modelu rozpoznávání řeči a textového modelu. Požadavek se může ptát, které téma se probíralo, jaké rozhodnutí zaznělo nebo které informace v nahrávce odpovídají na konkrétní otázku. Výsledkem může být stručná odpověď nebo uspořádané shrnutí místo úplného přepisu každého vysloveného slova.
Pro shrnutí schůzky dodejte nahrávku a definujte pole k vrácení: témata, výslovně uvedená rozhodnutí a navazující akce. Jména nebo data požadujte jen tehdy, když v nahrávce skutečně zaznějí, a nevyřešené detaily oddělujte od rozhodnutí. U rozhovoru požadujte odpověď na konkrétní otázku a okolní kontext, který ji činí srozumitelnou. Tyto návrhy výstupu propojují zvukovou úlohu s dokumentem, který může někdo později použít.
Kontext, délka a jazyky
Výrobce dokumentuje kontext 32 tisíc tokenů a zvuk do 30 minut pro přepis nebo 40 minut pro porozumění. Tyto dva údaje o délce mají odlišný rozsah úloh. Než vyberete nahrávku, zvolte požadovanou operaci a při plánování dostupného kontextu zahrňte textový pokyn a konverzaci. Dlouhá nahrávka i dlouhá písemná odpověď spotřebovávají prostředky; údaj o délce není samostatným příslibem neomezené délky odpovědi.
Vydání mezi hlavními podporovanými jazyky jmenuje angličtinu, španělštinu, francouzštinu, portugalštinu, hindštinu, němčinu, nizozemštinu a italštinu a poskytuje automatickou detekci jazyka. Pro překlad řeči nastavte cílový jazyk a termíny, které mají zachovat původní podobu. U otázky k audiozáznamu v jednom jazyce odlišujte jazyk nahrávky od jazyka, v němž má být odpověď napsána.
Více nahrávek a navazující otázky
Karta podporuje několik zvukových vstupů ve zprávě a zvuk ve více uživatelských kolech. Při srovnávání dejte každé nahrávce identifikátor a uveďte její roli. Praktický požadavek může porovnat dvě verze mluveného vysvětlení, ptát se, které podmínky se změnily, a vrátit tabulku se samostatným sloupcem pro každou nahrávku. Identifikátory pomáhají propojit zjištění modelu se správným zdrojem.
Navazující dotaz může zachovat předchozí otázku a odpověď a současně žádat užší detail nebo dodat další nahrávku. Například nejprve požadujte rozhodnutí z diskuse a poté se zeptejte, které rozhodnutí se vztahuje ke konkrétnímu požadavku. Stejné vydání ukazuje také čistě textové a čistě zvukové požadavky. Jeho textový základ může pracovat s písemnou otázkou nebo výsledkem, zatímco zvuková schopnost poskytuje podklady z řeči.
Funkce řízené hlasem
Výrobce popisuje volání funkcí z mluveného záměru a příklad volání funkcí ve vydané kartě označuje za experimentální podporu. V tomto postupu aplikace definuje funkci a její argumenty, model připraví volání z požadavku a aplikace je provede a dodá výsledek. Hlasové vyhledání tak může vrátit písemnou odpověď využívající informace z připojeného nástroje. Volání funkcí neznamená, že model automaticky ovládá externí službu nebo provádí akci pouhým pojmenováním.
Účel funkce a potřebné informace ponechte výslovné. Pokud nahrávka žádá operaci, ale vynechává povinnou hodnotu, aplikace tuto hodnotu k provedení funkce stále potřebuje. Oddělte mluvený požadavek, navržené argumenty a vrácený výsledek, aby další odpověď mohla odkazovat na skutečný výsledek operace.
Doporučená nastavení a užitečná vymezení
Pro porozumění zvuku a konverzační dokončování karta doporučuje teplotu 0.2 a top-p 0.95. Pro přepis doporučuje teplotu 0.0. Výslovně uvádí, že v tomto vydaném postupu použití nejsou podporovány systémové prompty, proto úlohu a požadavky na odpověď umístěte do uživatelského vstupu místo přenosu konvence systémového promptu z jiného modelu Mistral.
Vyberte nahrávku obsahující materiály relevantní pro otázku, ponechte mluvenou řeč dobře slyšitelnou a určete, zda má být výsledkem přepis, překlad, odpověď nebo shrnutí. Zdokumentovaným výstupem je text. Pro mluvenou odpověď je potřeba komponenta pro převod textu na řeč. Z obecně deklarovaného porozumění zvuku nelze u tohoto konkrétního vydání vyvozovat podporu identifikace mluvčích, podrobné diarizace ani časových značek na úrovni slov.
Příklady generování 500 tokenů v kartě jsou ukázková nastavení, nikoli samostatně uvedená maximální výstupní kapacita. Při přípravě opakovatelného postupu zachovejte edici 2507, pokyny k délce pro konkrétní úlohu a vstupní jazyk. Užitečným konečným artefaktem je požadovaný text propojený s nahrávkou a formátovaný pro další dokumentový nebo aplikační krok.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity mistralai/voxtral-small-24b-2507 | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Příklady: system, user, assistant, tool, function Podmínky: Tyto role jsou výslovně zastoupeny typy kompatibility zdrojového kódu; přesná sada rolí zůstává specifická pro daný model. Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring|content_part[]|null | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_calls | Typtool_call[] | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_call_id | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: role=tool; použijte skutečně vrácené ID | Výchozí— |
Polemessages[].name | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].reasoning_content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Předávejte zpět skutečně vrácené uvažování tam, kde je tento model používá | Výchozí— |
Polemessages[].reasoning_details | Typobject|array | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemax_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polemax_completion_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Polestream_options.include_usage | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletemperature | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletop_p | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polestop | Typstring|string[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools | Typfunction_tool[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools[].type | Typstring | PožadavekVolitelné | Hodnoty a limity function Závisí na modelu | Výchozí— |
Poletools[].function.name | Typstring | PožadavekPovinné | Hodnoty a limity Platí, když: nástroj typu funkce je dodán | Výchozí— |
Poletools[].function.description | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletools[].function.parameters | TypJSON_schema | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletool_choice | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleparallel_tool_calls | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleresponse_format | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning_effort | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleservice_tier | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleinstructions | Typstring | PožadavekVolitelné | Hodnoty a limity Pole kompatibility | Výchozí— |
Polefunctions | Typfunction[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polefunction_call | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleprompt_cache_options | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemodalities | Typstring[] | PožadavekVolitelné | Hodnoty a limity text | Výchozí— |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity Podmínky: provider.options je na této textové trase Ultra odmítáno | Výchozí— |
Polecache_control.ttl | Typstring | PožadavekVolitelné | Hodnoty a limity Podmínky: Hodnota 1h je ve skutečných umístěních mezipaměti promptů odmítána | Výchozí— |
Text · text UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontraktpole zpráv se strukturou role/content |
Parametrfile_material | Kontraktskutečný dokument UTF-8 vložený jako doslovný text; ID souboru se neodvozuje |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktspecifické pro model; nástroje uživatelských funkcí se liší od hostovaných nástrojů |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Životní cyklus: synchronous_or_streamed
Odešlete přesné ID modelu spolu s messages.
Délka kontextu není limitem výstupu.
Textový soubor může dodat doslovný text; obrazové/zvukové vstupy a vstupy v podobě souborových objektů vyžadují přesnou vazbu.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.0002 / 1K tokenů Výstup · Výstupní tokeny $0.0006 / 1K tokenů Vstup · Čtení z mezipaměti $0.00002 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.0002 / 1K tokenů Výstup · Výstupní tokeny $0.0006 / 1K tokenů Vstup · Čtení z mezipaměti $0.00002 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/voxtral-small-24b-2507", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/voxtral-small-24b-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/voxtral-small-24b-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte každou volbu a její obsah/volání nástrojů/uvažování. V SSE sestavujte přírůstky podle indexu volby/nástroje a zachovejte konečný důvod ukončení i údaje o využití.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Použijte cesty metod uvedené výše.
mistralai/voxtral-small-24b-2507Voxtral Small 1.0 24B 2507 je model pro textový a zvukový vstup určený k přepisu, překladu řeči, otázkám a shrnutím. Výrobce dokumentuje kontext 32 tisíc tokenů, až 30 minut pro přepis nebo 40 minut pro porozumění, více zvukových vstupů a textové výsledky.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Voxtral Small 1.0 24B 2507 přidává zvukový vstup a porozumění řeči k jazykovému základu Mistral Small. Přijímá zvuk a text a vrací text, včetně přepisu, odpovědi k nahrávce, překladu nebo strukturovaného shrnutí. Jde o pojmenovanou edici 24B pro porozumění řeči, odlišnou od Voxtral Mini, variant služby optimalizovaných pro přepis a pozdějších vydání Voxtral pro generování řeči nebo práci v reálném čase.
Přepis a porozumění zvuku
Model má vyhrazený režim čistého přepisu. Výrobce uvádí, že ve výchozím stavu automaticky předpovídá jazyk zdrojového zvuku a podle něj přepisuje. Tento režim použijte, pokud je požadovaným artefaktem samotné mluvené znění místo výkladu nebo shrnutí. Určete, zda má výsledek zachovat původní jazyk, nebo po něm následovat samostatně požadovaný překlad.
Porozumění zvuku umožňuje položit otázku přímo k nahrávce bez předchozího řetězení samostatného modelu rozpoznávání řeči a textového modelu. Požadavek se může ptát, které téma se probíralo, jaké rozhodnutí zaznělo nebo které informace v nahrávce odpovídají na konkrétní otázku. Výsledkem může být stručná odpověď nebo uspořádané shrnutí místo úplného přepisu každého vysloveného slova.
Pro shrnutí schůzky dodejte nahrávku a definujte pole k vrácení: témata, výslovně uvedená rozhodnutí a navazující akce. Jména nebo data požadujte jen tehdy, když v nahrávce skutečně zaznějí, a nevyřešené detaily oddělujte od rozhodnutí. U rozhovoru požadujte odpověď na konkrétní otázku a okolní kontext, který ji činí srozumitelnou. Tyto návrhy výstupu propojují zvukovou úlohu s dokumentem, který může někdo později použít.
Kontext, délka a jazyky
Výrobce dokumentuje kontext 32 tisíc tokenů a zvuk do 30 minut pro přepis nebo 40 minut pro porozumění. Tyto dva údaje o délce mají odlišný rozsah úloh. Než vyberete nahrávku, zvolte požadovanou operaci a při plánování dostupného kontextu zahrňte textový pokyn a konverzaci. Dlouhá nahrávka i dlouhá písemná odpověď spotřebovávají prostředky; údaj o délce není samostatným příslibem neomezené délky odpovědi.
Vydání mezi hlavními podporovanými jazyky jmenuje angličtinu, španělštinu, francouzštinu, portugalštinu, hindštinu, němčinu, nizozemštinu a italštinu a poskytuje automatickou detekci jazyka. Pro překlad řeči nastavte cílový jazyk a termíny, které mají zachovat původní podobu. U otázky k audiozáznamu v jednom jazyce odlišujte jazyk nahrávky od jazyka, v němž má být odpověď napsána.
Více nahrávek a navazující otázky
Karta podporuje několik zvukových vstupů ve zprávě a zvuk ve více uživatelských kolech. Při srovnávání dejte každé nahrávce identifikátor a uveďte její roli. Praktický požadavek může porovnat dvě verze mluveného vysvětlení, ptát se, které podmínky se změnily, a vrátit tabulku se samostatným sloupcem pro každou nahrávku. Identifikátory pomáhají propojit zjištění modelu se správným zdrojem.
Navazující dotaz může zachovat předchozí otázku a odpověď a současně žádat užší detail nebo dodat další nahrávku. Například nejprve požadujte rozhodnutí z diskuse a poté se zeptejte, které rozhodnutí se vztahuje ke konkrétnímu požadavku. Stejné vydání ukazuje také čistě textové a čistě zvukové požadavky. Jeho textový základ může pracovat s písemnou otázkou nebo výsledkem, zatímco zvuková schopnost poskytuje podklady z řeči.
Funkce řízené hlasem
Výrobce popisuje volání funkcí z mluveného záměru a příklad volání funkcí ve vydané kartě označuje za experimentální podporu. V tomto postupu aplikace definuje funkci a její argumenty, model připraví volání z požadavku a aplikace je provede a dodá výsledek. Hlasové vyhledání tak může vrátit písemnou odpověď využívající informace z připojeného nástroje. Volání funkcí neznamená, že model automaticky ovládá externí službu nebo provádí akci pouhým pojmenováním.
Účel funkce a potřebné informace ponechte výslovné. Pokud nahrávka žádá operaci, ale vynechává povinnou hodnotu, aplikace tuto hodnotu k provedení funkce stále potřebuje. Oddělte mluvený požadavek, navržené argumenty a vrácený výsledek, aby další odpověď mohla odkazovat na skutečný výsledek operace.
Doporučená nastavení a užitečná vymezení
Pro porozumění zvuku a konverzační dokončování karta doporučuje teplotu 0.2 a top-p 0.95. Pro přepis doporučuje teplotu 0.0. Výslovně uvádí, že v tomto vydaném postupu použití nejsou podporovány systémové prompty, proto úlohu a požadavky na odpověď umístěte do uživatelského vstupu místo přenosu konvence systémového promptu z jiného modelu Mistral.
Vyberte nahrávku obsahující materiály relevantní pro otázku, ponechte mluvenou řeč dobře slyšitelnou a určete, zda má být výsledkem přepis, překlad, odpověď nebo shrnutí. Zdokumentovaným výstupem je text. Pro mluvenou odpověď je potřeba komponenta pro převod textu na řeč. Z obecně deklarovaného porozumění zvuku nelze u tohoto konkrétního vydání vyvozovat podporu identifikace mluvčích, podrobné diarizace ani časových značek na úrovni slov.
Příklady generování 500 tokenů v kartě jsou ukázková nastavení, nikoli samostatně uvedená maximální výstupní kapacita. Při přípravě opakovatelného postupu zachovejte edici 2507, pokyny k délce pro konkrétní úlohu a vstupní jazyk. Užitečným konečným artefaktem je požadovaný text propojený s nahrávkou a formátovaný pro další dokumentový nebo aplikační krok.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity mistralai/voxtral-small-24b-2507 | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity user, assistant | Výchozí— |
Polemessages[].content | Typstring | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemax_tokens | Typinteger | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Text · text UTF-8
řetězec messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktPřečtěte skutečný dokument UTF-8 a vložte jeho text do uvedeného pole input nebo do řetězce obsahu zprávy. |
Životní cyklus: synchronous_or_streamed
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.0002 / 1K tokenů Výstup · Výstupní tokeny $0.0006 / 1K tokenů Vstup · Čtení z mezipaměti $0.00002 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.0002 / 1K tokenů Výstup · Výstupní tokeny $0.0006 / 1K tokenů Vstup · Čtení z mezipaměti $0.00002 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "mistralai/voxtral-small-24b-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/voxtral-small-24b-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/voxtral-small-24b-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte všechny bloky obsahu, podpisy uvažování a skutečná ID použití nástrojů. Sestavte všechny přírůstky bloků SSE; první textový blok není úplný výstup.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Summarize a supplied meeting transcript\n\nSummarize this supplied transcript text: 'Ana: We will keep the current label. Ben: I will check the revised barcode by Tuesday. Ana: Shipping timing is still unconfirmed. Ben: Agreed.' Return topics, explicit decisions and follow-up actions. Separate the unresolved shipping date from decisions, and include owners or deadlines only when stated in the transcript.A meeting summary with topics, one decision, an owned action and an unresolved timing item.Check that keeping the label is the decision and shipping timing remains unconfirmed.