Voxtral Small 1.0 24B 2507 tilføjer lydinput og taleforståelse til en Mistral Small-sprogmodel som grundlag. Den tager imod lyd og tekst og returnerer tekst, herunder en transskription, et svar om optagelsen, en oversættelse eller et struktureret resumé. Det er den navngivne 24B-udgave til taleforståelse, adskilt fra Voxtral Mini, transskriptionsoptimerede tjenestevarianter og senere Voxtral-udgivelser til talegenerering eller realtid.
Transskription og lydforståelse
Modellen har en dedikeret tilstand til ren transskription. Producenten angiver, at den som standard automatisk forudsiger kildelydens sprog og transskriberer derefter. Brug denne tilstand, når den ønskede artefakt er selve den talte ordlyd frem for en fortolkning eller et resumé. Identificer, om resultatet skal bevare originalsproget eller efterfølges af en særskilt ønsket oversættelse.
Lydforståelse gør det muligt at stille et spørgsmål direkte til en optagelse uden først at kæde en separat talegenkendelsesmodel og tekstmodel sammen. En anmodning kan spørge, hvilket emne der blev diskuteret, hvilken beslutning der blev angivet, eller hvilke oplysninger i optagelsen der besvarer et bestemt spørgsmål. Resultatet kan være et kort svar eller et organiseret resumé frem for en fuld transskription af hvert talt ord.
Til et mødereferat skal du give optagelsen og definere de felter, der skal returneres: emner, udtrykkeligt angivne beslutninger og opfølgningshandlinger. Bed kun om navne eller datoer, når optagelsen faktisk angiver dem, og hold uafklarede detaljer adskilt fra beslutningerne. Til et interview skal du bede om svaret på et konkret spørgsmål og den omgivende kontekst, der gør det forståeligt. Disse outputdesign forbinder lydopgaven med et dokument, nogen kan bruge bagefter.
Kontekst, varighed og sprog
Producenten dokumenterer en kontekst på 32k tokens og lyd op til 30 minutter til transskription eller 40 minutter til forståelse. De to varighedstal har forskellige opgaveområder. Vælg den ønskede operation, før du vælger optagelsen, og medtag tekstinstruktion og samtale ved planlægning af den tilgængelige kontekst. En lang optagelse og et langt skriftligt svar bruger begge ressourcer; varighedsangivelsen er ikke et særskilt løfte om ubegrænset svarlængde.
Udgivelsen identificerer engelsk, spansk, fransk, portugisisk, hindi, tysk, nederlandsk og italiensk blandt de primært understøttede sprog og tilbyder automatisk sprogregistrering. Til taleoversættelse skal du fastlægge målsproget og eventuelle termer, der skal bevare deres oprindelige form. Til et spørgsmål om lyd på ét sprog skal du adskille optagelsens sprog fra det sprog, svaret skal skrives på.
Flere optagelser og opfølgningsspørgsmål
Modelkortet understøtter flere lydinput i en besked og lyd i flere brugersamtaleture. Giv hver optagelse en identifikator, og angiv dens rolle, når de sammenlignes. En praktisk anmodning kan sammenligne to versioner af en talt forklaring, spørge, hvilke betingelser der blev ændret, og returnere en tabel med en særskilt kolonne til hver optagelse. Identifikatorer hjælper med at holde modellens fund knyttet til den rette kilde.
En opfølgning kan bevare det tidligere spørgsmål og svar, mens den spørger til en mere afgrænset detalje eller giver en anden optagelse. Bed for eksempel først om beslutningerne fra en diskussion og derefter om, hvilken beslutning der vedrører et bestemt krav. Samme udgivelse demonstrerer også anmodninger kun med tekst og kun med lyd. Dens tekstgrundlag kan arbejde med det skriftlige spørgsmål eller resultat, mens lydfunktionen leverer bevismateriale fra tale.
Stemmestyrede funktioner
Producenten beskriver funktionskald fra talt hensigt og betegner det udgivne modelkorts funktionskaldseksempel som eksperimentel understøttelse. I denne arbejdsgang definerer applikationen en funktion og dens argumenter, modellen forbereder et kald fra anmodningen, og applikationen udfører det og leverer resultatet. Et stemmebaseret opslag kan dermed returnere et skriftligt svar med oplysninger fra et tilsluttet værktøj. Funktionskald betyder ikke, at modellen automatisk ejer den eksterne tjeneste eller udfører en handling blot ved at navngive den.
Hold funktionens formål og de krævede oplysninger udtrykkelige. Hvis optagelsen beder om en operation, men udelader en nødvendig værdi, behøver applikationen stadig den værdi for at udføre funktionen. Adskil den talte anmodning, foreslåede argumenter og det returnerede resultat, så næste svar kan henvise til operationens faktiske udfald.
Anbefalede indstillinger og nyttige afgrænsninger
Til lydforståelse og chatfuldførelse anbefaler modelkortet temperature 0.2 og top-p 0.95. Til transskription anbefaler det temperature 0.0. Det angiver udtrykkeligt, at systemprompter ikke understøttes i dette udgivne brugsforløb, så placer opgaven og svarkravene i brugerinputtet frem for at overføre en systempromptkonvention fra en anden Mistral-model.
Vælg en optagelse med det materiale, der er relevant for spørgsmålet, hold hørbar tale tydelig, og angiv, om resultatet skal være en transskription, oversættelse, et svar eller et resumé. Det dokumenterede output er tekst. Et talt svar kræver en tekst-til-tale-komponent, og taleridentifikation, detaljeret taleropdeling eller tidsstempler på ordniveau bør ikke udledes af den generelle påstand om lydforståelse for præcis denne udgivelse.
Modelkortets genereringseksempler på 500 tokens er eksempelindstillinger og ikke en særskilt angivet maksimal outputkapacitet. Bevar 2507-udgaven, den opgavespecifikke varighedsvejledning og inputsproget ved forberedelse af en gentagelig arbejdsgang. Den nyttige endelige artefakt er den ønskede tekst, knyttet til optagelsen og formateret til næste dokument- eller applikationstrin.
", "aboutText": "Voxtral Small 1.0 24B 2507 tilføjer lydinput og taleforståelse til en Mistral Small-sprogmodel som grundlag. Den tager imod lyd og tekst og returnerer tekst, herunder en transskription, et svar om optagelsen, en oversættelse eller et struktureret resumé. Det er den navngivne 24B-udgave til taleforståelse, adskilt fra Voxtral Mini, transskriptionsoptimerede tjenestevarianter og senere Voxtral-udgivelser til talegenerering eller realtid.\n\nTransskription og lydforståelse\n\nModellen har en dedikeret tilstand til ren transskription. Producenten angiver, at den som standard automatisk forudsiger kildelydens sprog og transskriberer derefter. Brug denne tilstand, når den ønskede artefakt er selve den talte ordlyd frem for en fortolkning eller et resumé. Identificer, om resultatet skal bevare originalsproget eller efterfølges af en særskilt ønsket oversættelse.\n\nLydforståelse gør det muligt at stille et spørgsmål direkte til en optagelse uden først at kæde en separat talegenkendelsesmodel og tekstmodel sammen. En anmodning kan spørge, hvilket emne der blev diskuteret, hvilken beslutning der blev angivet, eller hvilke oplysninger i optagelsen der besvarer et bestemt spørgsmål. Resultatet kan være et kort svar eller et organiseret resumé frem for en fuld transskription af hvert talt ord.\n\nTil et mødereferat skal du give optagelsen og definere de felter, der skal returneres: emner, udtrykkeligt angivne beslutninger og opfølgningshandlinger. Bed kun om navne eller datoer, når optagelsen faktisk angiver dem, og hold uafklarede detaljer adskilt fra beslutningerne. Til et interview skal du bede om svaret på et konkret spørgsmål og den omgivende kontekst, der gør det forståeligt. Disse outputdesign forbinder lydopgaven med et dokument, nogen kan bruge bagefter.\n\nKontekst, varighed og sprog\n\nProducenten dokumenterer en kontekst på 32k tokens og lyd op til 30 minutter til transskription eller 40 minutter til forståelse. De to varighedstal har forskellige opgaveområder. Vælg den ønskede operation, før du vælger optagelsen, og medtag tekstinstruktion og samtale ved planlægning af den tilgængelige kontekst. En lang optagelse og et langt skriftligt svar bruger begge ressourcer; varighedsangivelsen er ikke et særskilt løfte om ubegrænset svarlængde.\n\nUdgivelsen identificerer engelsk, spansk, fransk, portugisisk, hindi, tysk, nederlandsk og italiensk blandt de primært understøttede sprog og tilbyder automatisk sprogregistrering. Til taleoversættelse skal du fastlægge målsproget og eventuelle termer, der skal bevare deres oprindelige form. Til et spørgsmål om lyd på ét sprog skal du adskille optagelsens sprog fra det sprog, svaret skal skrives på.\n\nFlere optagelser og opfølgningsspørgsmål\n\nModelkortet understøtter flere lydinput i en besked og lyd i flere brugersamtaleture. Giv hver optagelse en identifikator, og angiv dens rolle, når de sammenlignes. En praktisk anmodning kan sammenligne to versioner af en talt forklaring, spørge, hvilke betingelser der blev ændret, og returnere en tabel med en særskilt kolonne til hver optagelse. Identifikatorer hjælper med at holde modellens fund knyttet til den rette kilde.\n\nEn opfølgning kan bevare det tidligere spørgsmål og svar, mens den spørger til en mere afgrænset detalje eller giver en anden optagelse. Bed for eksempel først om beslutningerne fra en diskussion og derefter om, hvilken beslutning der vedrører et bestemt krav. Samme udgivelse demonstrerer også anmodninger kun med tekst og kun med lyd. Dens tekstgrundlag kan arbejde med det skriftlige spørgsmål eller resultat, mens lydfunktionen leverer bevismateriale fra tale.\n\nStemmestyrede funktioner\n\nProducenten beskriver funktionskald fra talt hensigt og betegner det udgivne modelkorts funktionskaldseksempel som eksperimentel understøttelse. I denne arbejdsgang definerer applikationen en funktion og dens argumenter, modellen forbereder et kald fra anmodningen, og applikationen udfører det og leverer resultatet. Et stemmebaseret opslag kan dermed returnere et skriftligt svar med oplysninger fra et tilsluttet værktøj. Funktionskald betyder ikke, at modellen automatisk ejer den eksterne tjeneste eller udfører en handling blot ved at navngive den.\n\nHold funktionens formål og de krævede oplysninger udtrykkelige. Hvis optagelsen beder om en operation, men udelader en nødvendig værdi, behøver applikationen stadig den værdi for at udføre funktionen. Adskil den talte anmodning, foreslåede argumenter og det returnerede resultat, så næste svar kan henvise til operationens faktiske udfald.\n\nAnbefalede indstillinger og nyttige afgrænsninger\n\nTil lydforståelse og chatfuldførelse anbefaler modelkortet temperature 0.2 og top-p 0.95. Til transskription anbefaler det temperature 0.0. Det angiver udtrykkeligt, at systemprompter ikke understøttes i dette udgivne brugsforløb, så placer opgaven og svarkravene i brugerinputtet frem for at overføre en systempromptkonvention fra en anden Mistral-model.\n\nVælg en optagelse med det materiale, der er relevant for spørgsmålet, hold hørbar tale tydelig, og angiv, om resultatet skal være en transskription, oversættelse, et svar eller et resumé. Det dokumenterede output er tekst. Et talt svar kræver en tekst-til-tale-komponent, og taleridentifikation, detaljeret taleropdeling eller tidsstempler på ordniveau bør ikke udledes af den generelle påstand om lydforståelse for præcis denne udgivelse.\n\nModelkortets genereringseksempler på 500 tokens er eksempelindstillinger og ikke en særskilt angivet maksimal outputkapacitet. Bevar 2507-udgaven, den opgavespecifikke varighedsvejledning og inputsproget ved forberedelse af en gentagelig arbejdsgang. Den nyttige endelige artefakt er den ønskede tekst, knyttet til optagelsen og formateret til næste dokument- eller applikationstrin.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
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 er en tekst- og lydmodel til transskription, taleoversættelse, spørgsmål og resuméer. Producenten dokumenterer en kontekst på 32k, op til 30 minutter til transskription eller 40 minutter til forståelse, flere lydinput og tekstresultater.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Voxtral Small 1.0 24B 2507 tilføjer lydinput og taleforståelse til en Mistral Small-sprogmodel som grundlag. Den tager imod lyd og tekst og returnerer tekst, herunder en transskription, et svar om optagelsen, en oversættelse eller et struktureret resumé. Det er den navngivne 24B-udgave til taleforståelse, adskilt fra Voxtral Mini, transskriptionsoptimerede tjenestevarianter og senere Voxtral-udgivelser til talegenerering eller realtid.
Transskription og lydforståelse
Modellen har en dedikeret tilstand til ren transskription. Producenten angiver, at den som standard automatisk forudsiger kildelydens sprog og transskriberer derefter. Brug denne tilstand, når den ønskede artefakt er selve den talte ordlyd frem for en fortolkning eller et resumé. Identificer, om resultatet skal bevare originalsproget eller efterfølges af en særskilt ønsket oversættelse.
Lydforståelse gør det muligt at stille et spørgsmål direkte til en optagelse uden først at kæde en separat talegenkendelsesmodel og tekstmodel sammen. En anmodning kan spørge, hvilket emne der blev diskuteret, hvilken beslutning der blev angivet, eller hvilke oplysninger i optagelsen der besvarer et bestemt spørgsmål. Resultatet kan være et kort svar eller et organiseret resumé frem for en fuld transskription af hvert talt ord.
Til et mødereferat skal du give optagelsen og definere de felter, der skal returneres: emner, udtrykkeligt angivne beslutninger og opfølgningshandlinger. Bed kun om navne eller datoer, når optagelsen faktisk angiver dem, og hold uafklarede detaljer adskilt fra beslutningerne. Til et interview skal du bede om svaret på et konkret spørgsmål og den omgivende kontekst, der gør det forståeligt. Disse outputdesign forbinder lydopgaven med et dokument, nogen kan bruge bagefter.
Kontekst, varighed og sprog
Producenten dokumenterer en kontekst på 32k tokens og lyd op til 30 minutter til transskription eller 40 minutter til forståelse. De to varighedstal har forskellige opgaveområder. Vælg den ønskede operation, før du vælger optagelsen, og medtag tekstinstruktion og samtale ved planlægning af den tilgængelige kontekst. En lang optagelse og et langt skriftligt svar bruger begge ressourcer; varighedsangivelsen er ikke et særskilt løfte om ubegrænset svarlængde.
Udgivelsen identificerer engelsk, spansk, fransk, portugisisk, hindi, tysk, nederlandsk og italiensk blandt de primært understøttede sprog og tilbyder automatisk sprogregistrering. Til taleoversættelse skal du fastlægge målsproget og eventuelle termer, der skal bevare deres oprindelige form. Til et spørgsmål om lyd på ét sprog skal du adskille optagelsens sprog fra det sprog, svaret skal skrives på.
Flere optagelser og opfølgningsspørgsmål
Modelkortet understøtter flere lydinput i en besked og lyd i flere brugersamtaleture. Giv hver optagelse en identifikator, og angiv dens rolle, når de sammenlignes. En praktisk anmodning kan sammenligne to versioner af en talt forklaring, spørge, hvilke betingelser der blev ændret, og returnere en tabel med en særskilt kolonne til hver optagelse. Identifikatorer hjælper med at holde modellens fund knyttet til den rette kilde.
En opfølgning kan bevare det tidligere spørgsmål og svar, mens den spørger til en mere afgrænset detalje eller giver en anden optagelse. Bed for eksempel først om beslutningerne fra en diskussion og derefter om, hvilken beslutning der vedrører et bestemt krav. Samme udgivelse demonstrerer også anmodninger kun med tekst og kun med lyd. Dens tekstgrundlag kan arbejde med det skriftlige spørgsmål eller resultat, mens lydfunktionen leverer bevismateriale fra tale.
Stemmestyrede funktioner
Producenten beskriver funktionskald fra talt hensigt og betegner det udgivne modelkorts funktionskaldseksempel som eksperimentel understøttelse. I denne arbejdsgang definerer applikationen en funktion og dens argumenter, modellen forbereder et kald fra anmodningen, og applikationen udfører det og leverer resultatet. Et stemmebaseret opslag kan dermed returnere et skriftligt svar med oplysninger fra et tilsluttet værktøj. Funktionskald betyder ikke, at modellen automatisk ejer den eksterne tjeneste eller udfører en handling blot ved at navngive den.
Hold funktionens formål og de krævede oplysninger udtrykkelige. Hvis optagelsen beder om en operation, men udelader en nødvendig værdi, behøver applikationen stadig den værdi for at udføre funktionen. Adskil den talte anmodning, foreslåede argumenter og det returnerede resultat, så næste svar kan henvise til operationens faktiske udfald.
Anbefalede indstillinger og nyttige afgrænsninger
Til lydforståelse og chatfuldførelse anbefaler modelkortet temperature 0.2 og top-p 0.95. Til transskription anbefaler det temperature 0.0. Det angiver udtrykkeligt, at systemprompter ikke understøttes i dette udgivne brugsforløb, så placer opgaven og svarkravene i brugerinputtet frem for at overføre en systempromptkonvention fra en anden Mistral-model.
Vælg en optagelse med det materiale, der er relevant for spørgsmålet, hold hørbar tale tydelig, og angiv, om resultatet skal være en transskription, oversættelse, et svar eller et resumé. Det dokumenterede output er tekst. Et talt svar kræver en tekst-til-tale-komponent, og taleridentifikation, detaljeret taleropdeling eller tidsstempler på ordniveau bør ikke udledes af den generelle påstand om lydforståelse for præcis denne udgivelse.
Modelkortets genereringseksempler på 500 tokens er eksempelindstillinger og ikke en særskilt angivet maksimal outputkapacitet. Bevar 2507-udgaven, den opgavespecifikke varighedsvejledning og inputsproget ved forberedelse af en gentagelig arbejdsgang. Den nyttige endelige artefakt er den ønskede tekst, knyttet til optagelsen og formateret til næste dokument- eller applikationstrin.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser mistralai/voxtral-small-24b-2507 | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0006 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0006 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Brug metodestierne vist ovenfor.
mistralai/voxtral-small-24b-2507Voxtral Small 1.0 24B 2507 er en tekst- og lydmodel til transskription, taleoversættelse, spørgsmål og resuméer. Producenten dokumenterer en kontekst på 32k, op til 30 minutter til transskription eller 40 minutter til forståelse, flere lydinput og tekstresultater.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Voxtral Small 1.0 24B 2507 tilføjer lydinput og taleforståelse til en Mistral Small-sprogmodel som grundlag. Den tager imod lyd og tekst og returnerer tekst, herunder en transskription, et svar om optagelsen, en oversættelse eller et struktureret resumé. Det er den navngivne 24B-udgave til taleforståelse, adskilt fra Voxtral Mini, transskriptionsoptimerede tjenestevarianter og senere Voxtral-udgivelser til talegenerering eller realtid.
Transskription og lydforståelse
Modellen har en dedikeret tilstand til ren transskription. Producenten angiver, at den som standard automatisk forudsiger kildelydens sprog og transskriberer derefter. Brug denne tilstand, når den ønskede artefakt er selve den talte ordlyd frem for en fortolkning eller et resumé. Identificer, om resultatet skal bevare originalsproget eller efterfølges af en særskilt ønsket oversættelse.
Lydforståelse gør det muligt at stille et spørgsmål direkte til en optagelse uden først at kæde en separat talegenkendelsesmodel og tekstmodel sammen. En anmodning kan spørge, hvilket emne der blev diskuteret, hvilken beslutning der blev angivet, eller hvilke oplysninger i optagelsen der besvarer et bestemt spørgsmål. Resultatet kan være et kort svar eller et organiseret resumé frem for en fuld transskription af hvert talt ord.
Til et mødereferat skal du give optagelsen og definere de felter, der skal returneres: emner, udtrykkeligt angivne beslutninger og opfølgningshandlinger. Bed kun om navne eller datoer, når optagelsen faktisk angiver dem, og hold uafklarede detaljer adskilt fra beslutningerne. Til et interview skal du bede om svaret på et konkret spørgsmål og den omgivende kontekst, der gør det forståeligt. Disse outputdesign forbinder lydopgaven med et dokument, nogen kan bruge bagefter.
Kontekst, varighed og sprog
Producenten dokumenterer en kontekst på 32k tokens og lyd op til 30 minutter til transskription eller 40 minutter til forståelse. De to varighedstal har forskellige opgaveområder. Vælg den ønskede operation, før du vælger optagelsen, og medtag tekstinstruktion og samtale ved planlægning af den tilgængelige kontekst. En lang optagelse og et langt skriftligt svar bruger begge ressourcer; varighedsangivelsen er ikke et særskilt løfte om ubegrænset svarlængde.
Udgivelsen identificerer engelsk, spansk, fransk, portugisisk, hindi, tysk, nederlandsk og italiensk blandt de primært understøttede sprog og tilbyder automatisk sprogregistrering. Til taleoversættelse skal du fastlægge målsproget og eventuelle termer, der skal bevare deres oprindelige form. Til et spørgsmål om lyd på ét sprog skal du adskille optagelsens sprog fra det sprog, svaret skal skrives på.
Flere optagelser og opfølgningsspørgsmål
Modelkortet understøtter flere lydinput i en besked og lyd i flere brugersamtaleture. Giv hver optagelse en identifikator, og angiv dens rolle, når de sammenlignes. En praktisk anmodning kan sammenligne to versioner af en talt forklaring, spørge, hvilke betingelser der blev ændret, og returnere en tabel med en særskilt kolonne til hver optagelse. Identifikatorer hjælper med at holde modellens fund knyttet til den rette kilde.
En opfølgning kan bevare det tidligere spørgsmål og svar, mens den spørger til en mere afgrænset detalje eller giver en anden optagelse. Bed for eksempel først om beslutningerne fra en diskussion og derefter om, hvilken beslutning der vedrører et bestemt krav. Samme udgivelse demonstrerer også anmodninger kun med tekst og kun med lyd. Dens tekstgrundlag kan arbejde med det skriftlige spørgsmål eller resultat, mens lydfunktionen leverer bevismateriale fra tale.
Stemmestyrede funktioner
Producenten beskriver funktionskald fra talt hensigt og betegner det udgivne modelkorts funktionskaldseksempel som eksperimentel understøttelse. I denne arbejdsgang definerer applikationen en funktion og dens argumenter, modellen forbereder et kald fra anmodningen, og applikationen udfører det og leverer resultatet. Et stemmebaseret opslag kan dermed returnere et skriftligt svar med oplysninger fra et tilsluttet værktøj. Funktionskald betyder ikke, at modellen automatisk ejer den eksterne tjeneste eller udfører en handling blot ved at navngive den.
Hold funktionens formål og de krævede oplysninger udtrykkelige. Hvis optagelsen beder om en operation, men udelader en nødvendig værdi, behøver applikationen stadig den værdi for at udføre funktionen. Adskil den talte anmodning, foreslåede argumenter og det returnerede resultat, så næste svar kan henvise til operationens faktiske udfald.
Anbefalede indstillinger og nyttige afgrænsninger
Til lydforståelse og chatfuldførelse anbefaler modelkortet temperature 0.2 og top-p 0.95. Til transskription anbefaler det temperature 0.0. Det angiver udtrykkeligt, at systemprompter ikke understøttes i dette udgivne brugsforløb, så placer opgaven og svarkravene i brugerinputtet frem for at overføre en systempromptkonvention fra en anden Mistral-model.
Vælg en optagelse med det materiale, der er relevant for spørgsmålet, hold hørbar tale tydelig, og angiv, om resultatet skal være en transskription, oversættelse, et svar eller et resumé. Det dokumenterede output er tekst. Et talt svar kræver en tekst-til-tale-komponent, og taleridentifikation, detaljeret taleropdeling eller tidsstempler på ordniveau bør ikke udledes af den generelle påstand om lydforståelse for præcis denne udgivelse.
Modelkortets genereringseksempler på 500 tokens er eksempelindstillinger og ikke en særskilt angivet maksimal outputkapacitet. Bevar 2507-udgaven, den opgavespecifikke varighedsvejledning og inputsproget ved forberedelse af en gentagelig arbejdsgang. Den nyttige endelige artefakt er den ønskede tekst, knyttet til optagelsen og formateret til næste dokument- eller applikationstrin.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser mistralai/voxtral-small-24b-2507 | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0006 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0006 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "mistralai/voxtral-small-24b-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
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.