Voxtral Mini 1.0 3B 2507 ist das kompakte Text- und Audioverständnismodell von Mistral AI auf Basis der Sprachmodellfamilie Ministral 3B. Es nimmt Sprachaufnahmen und Textanweisungen entgegen und erzeugt Text, darunter Transkripte, Übersetzungen, Antworten zum Audio und strukturierte Zusammenfassungen. Die ursprüngliche Voxtral-Veröffentlichung positioniert dieses 3B-Modell für kompakte oder lokale Anwendungen neben dem gesonderten 24B-Modell Voxtral Small. Es ist außerdem vom gehosteten, transkriptionsoptimierten Dienst Voxtral Mini Transcribe getrennt.
Das Modell hat einen eigenen Transkriptionsmodus, der standardmäßig die Ausgangssprache automatisch vorhersagt und entsprechend transkribiert. Wählen Sie diesen Modus, wenn das erforderliche Artefakt der gesprochene Wortlaut ist. Audioverständnis erlaubt dagegen eine direkte Frage oder Zusammenfassungsanfrage zu einer Aufnahme, ohne eine gesonderte Spracherkennungsphase mit anschließendem Textmodell zu verlangen. Ein Interview kann daher ein vollständiges Transkript, eine Übersetzung oder eine Antwort auf eine enge Frage liefern; geben Sie an, welches Ergebnis benötigt wird, damit diese unterschiedlichen Aufgaben nicht zu einem mehrdeutigen Briefing werden.
Die genaue Modellkarte der Veröffentlichung nennt einen Kontext von 32K Tokens und Audio bis zu 30 Minuten für Transkription oder 40 Minuten für Verständnis. Das sind unterschiedliche aufgabenspezifische Dauerangaben und kein gemeinsamer Audiorahmen für jede Operation. Halten Sie die relevante Aufnahme, Anweisungen und das Gespräch innerhalb des vorgesehenen Aufgabenrahmens. Die vom Hersteller genannten Sprachen sind Englisch, Spanisch, Französisch, Portugiesisch, Hindi, Deutsch, Niederländisch und Italienisch, mit automatischer Erkennung der Aufnahmesprache. Unterscheiden Sie bei einer Übersetzung oder Antwort zwischen Aufnahmesprache und erforderlicher Ausgabesprache.
Mehrere Audioeingaben in einer Nachricht und Audio über mehrere Nutzerrunden hinweg werden unterstützt. Geben Sie jeder Aufnahme eine klare Kennung, wenn Sie Vergleiche verlangen. Ein eigenständiges Beispiel könnte zwei gesprochene Erklärungen vergleichen und zurückgeben, welche Anforderungen sich geändert haben, mit einer eigenen Spalte für jede Quelle. Eine Folgefrage kann das Detail hinter einer Feststellung abfragen oder eine weitere Aufnahme bereitstellen. Die Modellkarte demonstriert auch reine Text- und reine Audionutzung, sodass das Modell sowohl mit der schriftlichen Frage als auch mit den Sprachbelegen arbeiten kann.
Stellen Sie für eine Besprechungszusammenfassung die Aufnahme bereit und verlangen Sie eine nützliche Struktur wie Themen, genannte Entscheidungen und Folgeaktionen. Halten Sie unsichere Namen, Daten oder Zuständigkeiten getrennt von klar gesprochenen Fakten. Verlangen Sie bei einem Interview die Aussage, die eine bestimmte Frage beantwortet, und genug umgebenden Kontext, um sie verständlich zu machen. Das sind Aufgabenentwürfe für ein nutzbares Textartefakt; sie machen allgemeines Audioverständnis nicht zu einer Garantie für Diarisierung, Wortzeitstempel oder die Identifikation eines unbenannten Sprechers.
Der Hersteller beschreibt Funktionsaufrufe aus gesprochener Absicht. In einem solchen Ablauf stellt die Anwendung Funktionsdefinitionen bereit, das Modell schlägt den relevanten Aufruf und die Argumente vor, und die Anwendung führt ihn aus und liefert die Beobachtung zurück. Eine Sprachanfrage kann daher eine Abfrage oder andere werkzeuggestützte Aufgabe anleiten, doch der vorgeschlagene Aufruf des Modells unterscheidet sich von einer ausgeführten Aktion. Bewahren Sie beim Fortsetzen des Gesprächs das tatsächlich zurückgegebene Ergebnis, damit eine spätere Antwort wiedergibt, was geschehen ist, statt dessen, was verlangt wurde.
Die veröffentlichte Nutzungskarte empfiehlt temperature 0.0 für Transkription und temperature 0.2 mit top_p 0.95 für Audioverständnis und Chat. Sie stellt fest, dass Systemprompts in diesem Ablauf nicht unterstützt werden; platzieren Sie daher Aufgabe und Antwortanforderungen in der Nutzereingabe. Ihre Beispiele dekodieren Aufnahmen zu Audioeingaben und enthalten MP3-Material, belegen aber weder eine vollständige Codec-Liste noch eine gesonderte harte maximale Ausgabelänge. Die Generierungseinstellung von 500 Tokens in den Beispielen bleibt ein Beispielbudget.
Bereiten Sie eine klare Aufnahme mit dem für die Aufgabe relevanten Material vor und legen Sie fest, ob Sie den ursprünglichen Wortlaut, eine Übersetzung, Antwort oder Zusammenfassung benötigen. Die Modellkarte demonstriert außerdem Stapelinferenz mit mehreren Gesprächen, ein Nutzungsmuster des Herstellers, das von der Identität eines einzelnen Ergebnisses getrennt ist. Bewahren Sie die Ausgabe 3B 2507 und ihre Dauerhinweise für Transkription gegenüber Verständnis; Diarisierung, das Profil mit 13 Sprachen und die Unterstützung längerer Aufnahmen des späteren Modells Mini Transcribe 2 sind gesonderte Herstellerfunktionen.
", "aboutText": "Voxtral Mini 1.0 3B 2507 ist das kompakte Text- und Audioverständnismodell von Mistral AI auf Basis der Sprachmodellfamilie Ministral 3B. Es nimmt Sprachaufnahmen und Textanweisungen entgegen und erzeugt Text, darunter Transkripte, Übersetzungen, Antworten zum Audio und strukturierte Zusammenfassungen. Die ursprüngliche Voxtral-Veröffentlichung positioniert dieses 3B-Modell für kompakte oder lokale Anwendungen neben dem gesonderten 24B-Modell Voxtral Small. Es ist außerdem vom gehosteten, transkriptionsoptimierten Dienst Voxtral Mini Transcribe getrennt.\n\nDas Modell hat einen eigenen Transkriptionsmodus, der standardmäßig die Ausgangssprache automatisch vorhersagt und entsprechend transkribiert. Wählen Sie diesen Modus, wenn das erforderliche Artefakt der gesprochene Wortlaut ist. Audioverständnis erlaubt dagegen eine direkte Frage oder Zusammenfassungsanfrage zu einer Aufnahme, ohne eine gesonderte Spracherkennungsphase mit anschließendem Textmodell zu verlangen. Ein Interview kann daher ein vollständiges Transkript, eine Übersetzung oder eine Antwort auf eine enge Frage liefern; geben Sie an, welches Ergebnis benötigt wird, damit diese unterschiedlichen Aufgaben nicht zu einem mehrdeutigen Briefing werden.\n\nDie genaue Modellkarte der Veröffentlichung nennt einen Kontext von 32K Tokens und Audio bis zu 30 Minuten für Transkription oder 40 Minuten für Verständnis. Das sind unterschiedliche aufgabenspezifische Dauerangaben und kein gemeinsamer Audiorahmen für jede Operation. Halten Sie die relevante Aufnahme, Anweisungen und das Gespräch innerhalb des vorgesehenen Aufgabenrahmens. Die vom Hersteller genannten Sprachen sind Englisch, Spanisch, Französisch, Portugiesisch, Hindi, Deutsch, Niederländisch und Italienisch, mit automatischer Erkennung der Aufnahmesprache. Unterscheiden Sie bei einer Übersetzung oder Antwort zwischen Aufnahmesprache und erforderlicher Ausgabesprache.\n\nMehrere Audioeingaben in einer Nachricht und Audio über mehrere Nutzerrunden hinweg werden unterstützt. Geben Sie jeder Aufnahme eine klare Kennung, wenn Sie Vergleiche verlangen. Ein eigenständiges Beispiel könnte zwei gesprochene Erklärungen vergleichen und zurückgeben, welche Anforderungen sich geändert haben, mit einer eigenen Spalte für jede Quelle. Eine Folgefrage kann das Detail hinter einer Feststellung abfragen oder eine weitere Aufnahme bereitstellen. Die Modellkarte demonstriert auch reine Text- und reine Audionutzung, sodass das Modell sowohl mit der schriftlichen Frage als auch mit den Sprachbelegen arbeiten kann.\n\nStellen Sie für eine Besprechungszusammenfassung die Aufnahme bereit und verlangen Sie eine nützliche Struktur wie Themen, genannte Entscheidungen und Folgeaktionen. Halten Sie unsichere Namen, Daten oder Zuständigkeiten getrennt von klar gesprochenen Fakten. Verlangen Sie bei einem Interview die Aussage, die eine bestimmte Frage beantwortet, und genug umgebenden Kontext, um sie verständlich zu machen. Das sind Aufgabenentwürfe für ein nutzbares Textartefakt; sie machen allgemeines Audioverständnis nicht zu einer Garantie für Diarisierung, Wortzeitstempel oder die Identifikation eines unbenannten Sprechers.\n\nDer Hersteller beschreibt Funktionsaufrufe aus gesprochener Absicht. In einem solchen Ablauf stellt die Anwendung Funktionsdefinitionen bereit, das Modell schlägt den relevanten Aufruf und die Argumente vor, und die Anwendung führt ihn aus und liefert die Beobachtung zurück. Eine Sprachanfrage kann daher eine Abfrage oder andere werkzeuggestützte Aufgabe anleiten, doch der vorgeschlagene Aufruf des Modells unterscheidet sich von einer ausgeführten Aktion. Bewahren Sie beim Fortsetzen des Gesprächs das tatsächlich zurückgegebene Ergebnis, damit eine spätere Antwort wiedergibt, was geschehen ist, statt dessen, was verlangt wurde.\n\nDie veröffentlichte Nutzungskarte empfiehlt temperature 0.0 für Transkription und temperature 0.2 mit top_p 0.95 für Audioverständnis und Chat. Sie stellt fest, dass Systemprompts in diesem Ablauf nicht unterstützt werden; platzieren Sie daher Aufgabe und Antwortanforderungen in der Nutzereingabe. Ihre Beispiele dekodieren Aufnahmen zu Audioeingaben und enthalten MP3-Material, belegen aber weder eine vollständige Codec-Liste noch eine gesonderte harte maximale Ausgabelänge. Die Generierungseinstellung von 500 Tokens in den Beispielen bleibt ein Beispielbudget.\n\nBereiten Sie eine klare Aufnahme mit dem für die Aufgabe relevanten Material vor und legen Sie fest, ob Sie den ursprünglichen Wortlaut, eine Übersetzung, Antwort oder Zusammenfassung benötigen. Die Modellkarte demonstriert außerdem Stapelinferenz mit mehreren Gesprächen, ein Nutzungsmuster des Herstellers, das von der Identität eines einzelnen Ergebnisses getrennt ist. Bewahren Sie die Ausgabe 3B 2507 und ihre Dauerhinweise für Transkription gegenüber Verständnis; Diarisierung, das Profil mit 13 Sprachen und die Unterstützung längerer Aufnahmen des späteren Modells Mini Transcribe 2 sind gesonderte Herstellerfunktionen.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "81189c1f8506fff72879ea961d44222837ac48b8240d137dd19102fb528a9924", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-at", "methods": [ { "html": "mistralai/voxtral-mini-3b-2507Voxtral Mini 1.0 3B 2507 verbindet Audioverständnis mit einem kompakten Textmodell für Transkription, Sprachübersetzung, Fragen und Zusammenfassungen. Der Hersteller dokumentiert einen Kontext von 32K, bis zu 30 Minuten Transkription oder 40 Minuten Audioverständnis sowie Textausgabe.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Voxtral Mini 1.0 3B 2507 ist das kompakte Text- und Audioverständnismodell von Mistral AI auf Basis der Sprachmodellfamilie Ministral 3B. Es nimmt Sprachaufnahmen und Textanweisungen entgegen und erzeugt Text, darunter Transkripte, Übersetzungen, Antworten zum Audio und strukturierte Zusammenfassungen. Die ursprüngliche Voxtral-Veröffentlichung positioniert dieses 3B-Modell für kompakte oder lokale Anwendungen neben dem gesonderten 24B-Modell Voxtral Small. Es ist außerdem vom gehosteten, transkriptionsoptimierten Dienst Voxtral Mini Transcribe getrennt.
Das Modell hat einen eigenen Transkriptionsmodus, der standardmäßig die Ausgangssprache automatisch vorhersagt und entsprechend transkribiert. Wählen Sie diesen Modus, wenn das erforderliche Artefakt der gesprochene Wortlaut ist. Audioverständnis erlaubt dagegen eine direkte Frage oder Zusammenfassungsanfrage zu einer Aufnahme, ohne eine gesonderte Spracherkennungsphase mit anschließendem Textmodell zu verlangen. Ein Interview kann daher ein vollständiges Transkript, eine Übersetzung oder eine Antwort auf eine enge Frage liefern; geben Sie an, welches Ergebnis benötigt wird, damit diese unterschiedlichen Aufgaben nicht zu einem mehrdeutigen Briefing werden.
Die genaue Modellkarte der Veröffentlichung nennt einen Kontext von 32K Tokens und Audio bis zu 30 Minuten für Transkription oder 40 Minuten für Verständnis. Das sind unterschiedliche aufgabenspezifische Dauerangaben und kein gemeinsamer Audiorahmen für jede Operation. Halten Sie die relevante Aufnahme, Anweisungen und das Gespräch innerhalb des vorgesehenen Aufgabenrahmens. Die vom Hersteller genannten Sprachen sind Englisch, Spanisch, Französisch, Portugiesisch, Hindi, Deutsch, Niederländisch und Italienisch, mit automatischer Erkennung der Aufnahmesprache. Unterscheiden Sie bei einer Übersetzung oder Antwort zwischen Aufnahmesprache und erforderlicher Ausgabesprache.
Mehrere Audioeingaben in einer Nachricht und Audio über mehrere Nutzerrunden hinweg werden unterstützt. Geben Sie jeder Aufnahme eine klare Kennung, wenn Sie Vergleiche verlangen. Ein eigenständiges Beispiel könnte zwei gesprochene Erklärungen vergleichen und zurückgeben, welche Anforderungen sich geändert haben, mit einer eigenen Spalte für jede Quelle. Eine Folgefrage kann das Detail hinter einer Feststellung abfragen oder eine weitere Aufnahme bereitstellen. Die Modellkarte demonstriert auch reine Text- und reine Audionutzung, sodass das Modell sowohl mit der schriftlichen Frage als auch mit den Sprachbelegen arbeiten kann.
Stellen Sie für eine Besprechungszusammenfassung die Aufnahme bereit und verlangen Sie eine nützliche Struktur wie Themen, genannte Entscheidungen und Folgeaktionen. Halten Sie unsichere Namen, Daten oder Zuständigkeiten getrennt von klar gesprochenen Fakten. Verlangen Sie bei einem Interview die Aussage, die eine bestimmte Frage beantwortet, und genug umgebenden Kontext, um sie verständlich zu machen. Das sind Aufgabenentwürfe für ein nutzbares Textartefakt; sie machen allgemeines Audioverständnis nicht zu einer Garantie für Diarisierung, Wortzeitstempel oder die Identifikation eines unbenannten Sprechers.
Der Hersteller beschreibt Funktionsaufrufe aus gesprochener Absicht. In einem solchen Ablauf stellt die Anwendung Funktionsdefinitionen bereit, das Modell schlägt den relevanten Aufruf und die Argumente vor, und die Anwendung führt ihn aus und liefert die Beobachtung zurück. Eine Sprachanfrage kann daher eine Abfrage oder andere werkzeuggestützte Aufgabe anleiten, doch der vorgeschlagene Aufruf des Modells unterscheidet sich von einer ausgeführten Aktion. Bewahren Sie beim Fortsetzen des Gesprächs das tatsächlich zurückgegebene Ergebnis, damit eine spätere Antwort wiedergibt, was geschehen ist, statt dessen, was verlangt wurde.
Die veröffentlichte Nutzungskarte empfiehlt temperature 0.0 für Transkription und temperature 0.2 mit top_p 0.95 für Audioverständnis und Chat. Sie stellt fest, dass Systemprompts in diesem Ablauf nicht unterstützt werden; platzieren Sie daher Aufgabe und Antwortanforderungen in der Nutzereingabe. Ihre Beispiele dekodieren Aufnahmen zu Audioeingaben und enthalten MP3-Material, belegen aber weder eine vollständige Codec-Liste noch eine gesonderte harte maximale Ausgabelänge. Die Generierungseinstellung von 500 Tokens in den Beispielen bleibt ein Beispielbudget.
Bereiten Sie eine klare Aufnahme mit dem für die Aufgabe relevanten Material vor und legen Sie fest, ob Sie den ursprünglichen Wortlaut, eine Übersetzung, Antwort oder Zusammenfassung benötigen. Die Modellkarte demonstriert außerdem Stapelinferenz mit mehreren Gesprächen, ein Nutzungsmuster des Herstellers, das von der Identität eines einzelnen Ergebnisses getrennt ist. Bewahren Sie die Ausgabe 3B 2507 und ihre Dauerhinweise für Transkription gegenüber Verständnis; Diarisierung, das Profil mit 13 Sprachen und die Unterstützung längerer Aufnahmen des späteren Modells Mini Transcribe 2 sind gesonderte Herstellerfunktionen.
POST /v1/audio/transcriptionsaudiotext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits mistralai/voxtral-mini-3b-2507 | Standard— |
Feldinput_audio | Typobject | AnforderungErforderlich | Werte und Limits | Standard— |
Feldlanguage | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Minimum: 0 Maximum: 1 | Standard— |
Feldresponse_format | Typstring | AnforderungOptional | Werte und Limits json, verbose_json | Standardjson |
Feldtimestamp_granularities | Typarray | AnforderungOptional | Werte und Limits | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits | Standard— |
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, input_audio |
Parametermaterial_types | Vertragaudio |
Parametermaterial_conditions | VertragLesen Sie eine tatsächliche WAV-Datei und kodieren Sie deren echte Bytes für die deklarierte JSON-Eingabe input_audio; für diese exakte reine JSON-Deklaration wird keine multipart-Route angeboten. |
Lebenszyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · die tatsächlich zurückgegebene task_id oder ein Eintrag in der Medienbibliothek
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Die angezeigten Tarife dienen zur Kostenschätzung vor der Generierung. Der endgültige Betrag wird aus den für die ursprüngliche Generierung erfassten Kosten berechnet. Die gemessene Ausgabedauer und prognostizierte Mengen sind nicht die endgültige abrechenbare Menge.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Prognostizierte Menge | Abrechnungseinheit | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Tokens | TarifstaffelGrundtarif | Prognostizierte Menge— | Abrechnungseinheit— | Gebühr Eingabe · Eingabetoken · Schätzung nur zum Vergleich — / 1K Tokens Ausgabe · Ausgabetoken · Schätzung nur zum Vergleich — / 1K Tokens Eingabe · Cache lesen · Schätzung nur zum Vergleich — / 1K Tokens Eingabe · In Cache schreiben · Schätzung nur zum Vergleich — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde · Schätzung nur zum Vergleich — / 1K Tokens |
| KonfigurationAudioeingabesekunde | Tarifstaffel— | Prognostizierte Menge— | Abrechnungseinheitpro Sekunde Eingabeaudio | Gebühr Eingabe · Audioeingabesekunde · Schätzung nur zum Vergleich $0.0000333334 pro Sekunde Eingabeaudio |
| KonfigurationGeschätzte Generierungskosten | Tarifstaffel— | Prognostizierte MengeSchätzung für eine Generierung | Abrechnungseinheit— | Gebühr Ausgabe · Geschätzte Generierungskosten · Schätzung nur zum Vergleich $0.0000333334 Schätzung vor der Generierung Diese Schätzung ist weder eine zusätzliche Gebühr noch ein fester Tarif für die abgeschlossene Generierung. |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'mistralai/voxtral-mini-3b-2507', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\nGET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nBewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Die vollständige Antwort und ihre Header, jede tatsächliche Ausgabe, die ursprünglich zurückgegebenen Kennungen und alle Nutzungsfelder aufbewahren. Den ursprünglichen Vorgang wiederaufnehmen, ohne die Erstellung erneut anzufordern.
Die zurückgegebene X-Client-Request-ID zum Abgleich aufbewahren. Nur tatsächlich zurückgegebene task_id-/asset_id-Werte oder die eigene Medienbibliothek abfragen; niemals eine Aufgaben-URL aus der Vorgangs-ID bilden und die Erstellung niemals erneut anfordern.
| Feld | Typ |
|---|---|
Feldtext | Typ |
Feldusage | Typ |
Feldsegments[] | Typ |
Feldwords[] | Typ |
Feldspeaker fields | Typ |
Feldtimestamps | Typ |
Ailoot Ultra mistralai/voxtral-mini-3b-2507
Verwenden Sie die oben angezeigten Methodenpfade.