Το Voxtral Small 1.0 24B 2507 προσθέτει είσοδο ήχου και κατανόηση ομιλίας σε γλωσσικό υπόβαθρο Mistral Small. Δέχεται ήχο και κείμενο και επιστρέφει κείμενο, όπως μεταγραφή, απάντηση για την ηχογράφηση, μετάφραση ή δομημένη σύνοψη. Αυτή είναι η ονομασμένη έκδοση κατανόησης ομιλίας 24B, διακριτή από το Voxtral Mini, τις παραλλαγές υπηρεσίας βελτιστοποιημένες για μεταγραφή και τις μεταγενέστερες εκδόσεις Voxtral παραγωγής ομιλίας ή πραγματικού χρόνου.
Μεταγραφή και κατανόηση ήχου
Το μοντέλο διαθέτει ειδική λειτουργία καθαρής μεταγραφής. Ο κατασκευαστής δηλώνει ότι από προεπιλογή προβλέπει αυτόματα τη γλώσσα του αρχικού ήχου και μεταγράφει αναλόγως. Χρησιμοποιήστε αυτή τη λειτουργία όταν το επιθυμητό παραδοτέο είναι η ίδια η εκφωνημένη διατύπωση και όχι ερμηνεία ή σύνοψη. Προσδιορίστε αν το αποτέλεσμα πρέπει να διατηρεί την αρχική γλώσσα ή να ακολουθείται από χωριστά ζητούμενη μετάφραση.
Η κατανόηση ήχου επιτρέπει να τίθεται ερώτηση απευθείας για μια ηχογράφηση, χωρίς να συνδέεται πρώτα χωριστό μοντέλο αναγνώρισης ομιλίας με μοντέλο κειμένου. Ένα αίτημα μπορεί να ζητά ποιο θέμα συζητήθηκε, ποια απόφαση δηλώθηκε ή ποια πληροφορία της ηχογράφησης απαντά σε συγκεκριμένη ερώτηση. Το αποτέλεσμα μπορεί να είναι συνοπτική απόκριση ή οργανωμένη σύνοψη και όχι πλήρης μεταγραφή κάθε εκφωνημένης λέξης.
Για σύνοψη συνάντησης, δώστε την ηχογράφηση και ορίστε τα πεδία επιστροφής: θέματα, ρητά δηλωμένες αποφάσεις και ενέργειες συνέχειας. Ζητήστε ονόματα ή ημερομηνίες μόνο όταν η ηχογράφηση τα δηλώνει πραγματικά και κρατήστε τις άλυτες λεπτομέρειες χωριστές από τις αποφάσεις. Για συνέντευξη, ζητήστε την απάντηση σε συγκεκριμένη ερώτηση και τα γύρω συμφραζόμενα που την κάνουν κατανοητή. Αυτοί οι σχεδιασμοί εξόδου συνδέουν την εργασία ήχου με ένα έγγραφο που μπορεί κάποιος να χρησιμοποιήσει στη συνέχεια.
Συμφραζόμενα, διάρκεια και γλώσσες
Ο κατασκευαστής τεκμηριώνει πλαίσιο 32 χιλ. token και ήχο έως 30 λεπτά για μεταγραφή ή 40 λεπτά για κατανόηση. Οι δύο διάρκειες έχουν διαφορετικά πεδία εργασίας. Επιλέξτε την επιθυμητή λειτουργία πριν επιλέξετε την ηχογράφηση και συμπεριλάβετε την οδηγία κειμένου και τη συνομιλία όταν σχεδιάζετε το διαθέσιμο πλαίσιο. Μια μεγάλη ηχογράφηση και μια μεγάλη γραπτή απάντηση καταναλώνουν και οι δύο πόρους· η δήλωση διάρκειας δεν αποτελεί ξεχωριστή υπόσχεση απεριόριστου μήκους απάντησης.
Η έκδοση αναφέρει αγγλικά, ισπανικά, γαλλικά, πορτογαλικά, χίντι, γερμανικά, ολλανδικά και ιταλικά μεταξύ των κύριων υποστηριζόμενων γλωσσών και παρέχει αυτόματη ανίχνευση γλώσσας. Για μετάφραση ομιλίας, ορίστε την τελική γλώσσα και τυχόν όρους που πρέπει να διατηρούν την αρχική τους μορφή. Για ερώτηση σχετικά με ήχο σε μία γλώσσα, διακρίνετε τη γλώσσα ηχογράφησης από τη γλώσσα στην οποία πρέπει να γραφτεί η απάντηση.
Πολλαπλές ηχογραφήσεις και συμπληρωματικές ερωτήσεις
Η κάρτα υποστηρίζει πολλές εισόδους ήχου σε μήνυμα και ήχο σε πολλαπλούς γύρους χρήστη. Δώστε σε κάθε ηχογράφηση αναγνωριστικό και δηλώστε τον ρόλο της όταν τις συγκρίνετε. Ένα πρακτικό αίτημα μπορεί να συγκρίνει δύο εκδοχές προφορικής εξήγησης, να ζητά ποιες προϋποθέσεις άλλαξαν και να επιστρέφει πίνακα με χωριστή στήλη για κάθε ηχογράφηση. Τα αναγνωριστικά βοηθούν να παραμένουν τα ευρήματα του μοντέλου συνδεδεμένα με τη σωστή πηγή.
Μια συμπληρωματική ερώτηση μπορεί να διατηρεί την προηγούμενη ερώτηση και απάντηση, ζητώντας στενότερη λεπτομέρεια ή παρέχοντας άλλη ηχογράφηση. Για παράδειγμα, ζητήστε πρώτα τις αποφάσεις μιας συζήτησης και κατόπιν ποια απόφαση σχετίζεται με συγκεκριμένη απαίτηση. Η ίδια έκδοση παρουσιάζει επίσης αιτήματα μόνο κειμένου και μόνο ήχου. Το γλωσσικό της υπόβαθρο μπορεί να εργάζεται πάνω στη γραπτή ερώτηση ή στο αποτέλεσμα, ενώ η δυνατότητα ήχου παρέχει στοιχεία από ομιλία.
Συναρτήσεις με φωνητική καθοδήγηση
Ο κατασκευαστής περιγράφει κλήση συναρτήσεων από προφορική πρόθεση και χαρακτηρίζει το παράδειγμα κλήσης συναρτήσεων της δημοσιευμένης κάρτας ως πειραματική υποστήριξη. Σε αυτή τη ροή, η εφαρμογή ορίζει συνάρτηση και ορίσματα, το μοντέλο προετοιμάζει κλήση από το αίτημα και η εφαρμογή την εκτελεί και παρέχει το αποτέλεσμα. Μια φωνητική αναζήτηση μπορεί επομένως να επιστρέφει γραπτή απάντηση χρησιμοποιώντας πληροφορίες από συνδεδεμένο εργαλείο. Η κλήση συναρτήσεων δεν σημαίνει ότι το μοντέλο κατέχει αυτόματα την εξωτερική υπηρεσία ή πραγματοποιεί ενέργεια απλώς κατονομάζοντάς την.
Κρατήστε ρητά τον σκοπό της συνάρτησης και τις απαιτούμενες πληροφορίες. Αν η ηχογράφηση ζητά λειτουργία αλλά παραλείπει υποχρεωτική τιμή, η εφαρμογή εξακολουθεί να χρειάζεται αυτή την τιμή για να εκτελέσει τη συνάρτηση. Διαχωρίστε το προφορικό αίτημα, τα προτεινόμενα ορίσματα και το επιστρεφόμενο αποτέλεσμα, ώστε η επόμενη απάντηση να μπορεί να αναφέρεται στην πραγματική έκβαση της λειτουργίας.
Προτεινόμενες ρυθμίσεις και χρήσιμα όρια
Για κατανόηση ήχου και συμπλήρωση συνομιλίας, η κάρτα συνιστά θερμοκρασία 0.2 και top-p 0.95. Για μεταγραφή, συνιστά θερμοκρασία 0.0. Δηλώνει ρητά ότι τα system prompt δεν υποστηρίζονται σε αυτή τη δημοσιευμένη ροή χρήσης, επομένως τοποθετήστε την εργασία και τις απαιτήσεις απάντησης στην είσοδο χρήστη αντί να μεταφέρετε μια σύμβαση system prompt από άλλο μοντέλο Mistral.
Επιλέξτε ηχογράφηση που περιέχει το υλικό που σχετίζεται με την ερώτηση, κρατήστε καθαρή την ακουστή ομιλία και προσδιορίστε αν το αποτέλεσμα πρέπει να είναι μεταγραφή, μετάφραση, απάντηση ή σύνοψη. Η τεκμηριωμένη έξοδος είναι κείμενο. Μια προφορική απάντηση χρειάζεται συστατικό μετατροπής κειμένου σε ομιλία, και η ταυτοποίηση ομιλητή, ο λεπτομερής διαχωρισμός ομιλητών ή οι χρονικές σημάνσεις ανά λέξη δεν πρέπει να συνάγονται από τον γενικό ισχυρισμό κατανόησης ήχου για αυτή τη συγκεκριμένη έκδοση.
Τα παραδείγματα παραγωγής 500 token της κάρτας είναι ενδεικτικές ρυθμίσεις και όχι ξεχωριστά δηλωμένη μέγιστη χωρητικότητα εξόδου. Διατηρήστε την έκδοση 2507, τις οδηγίες διάρκειας ανά εργασία και τη γλώσσα εισόδου όταν προετοιμάζετε επαναλήψιμη ροή. Το χρήσιμο τελικό παραδοτέο είναι το ζητούμενο κείμενο, συνδεδεμένο με την ηχογράφηση και μορφοποιημένο για το επόμενο βήμα εγγράφου ή εφαρμογής.
", "aboutText": "Το Voxtral Small 1.0 24B 2507 προσθέτει είσοδο ήχου και κατανόηση ομιλίας σε γλωσσικό υπόβαθρο Mistral Small. Δέχεται ήχο και κείμενο και επιστρέφει κείμενο, όπως μεταγραφή, απάντηση για την ηχογράφηση, μετάφραση ή δομημένη σύνοψη. Αυτή είναι η ονομασμένη έκδοση κατανόησης ομιλίας 24B, διακριτή από το Voxtral Mini, τις παραλλαγές υπηρεσίας βελτιστοποιημένες για μεταγραφή και τις μεταγενέστερες εκδόσεις Voxtral παραγωγής ομιλίας ή πραγματικού χρόνου.\n\nΜεταγραφή και κατανόηση ήχου\n\nΤο μοντέλο διαθέτει ειδική λειτουργία καθαρής μεταγραφής. Ο κατασκευαστής δηλώνει ότι από προεπιλογή προβλέπει αυτόματα τη γλώσσα του αρχικού ήχου και μεταγράφει αναλόγως. Χρησιμοποιήστε αυτή τη λειτουργία όταν το επιθυμητό παραδοτέο είναι η ίδια η εκφωνημένη διατύπωση και όχι ερμηνεία ή σύνοψη. Προσδιορίστε αν το αποτέλεσμα πρέπει να διατηρεί την αρχική γλώσσα ή να ακολουθείται από χωριστά ζητούμενη μετάφραση.\n\nΗ κατανόηση ήχου επιτρέπει να τίθεται ερώτηση απευθείας για μια ηχογράφηση, χωρίς να συνδέεται πρώτα χωριστό μοντέλο αναγνώρισης ομιλίας με μοντέλο κειμένου. Ένα αίτημα μπορεί να ζητά ποιο θέμα συζητήθηκε, ποια απόφαση δηλώθηκε ή ποια πληροφορία της ηχογράφησης απαντά σε συγκεκριμένη ερώτηση. Το αποτέλεσμα μπορεί να είναι συνοπτική απόκριση ή οργανωμένη σύνοψη και όχι πλήρης μεταγραφή κάθε εκφωνημένης λέξης.\n\nΓια σύνοψη συνάντησης, δώστε την ηχογράφηση και ορίστε τα πεδία επιστροφής: θέματα, ρητά δηλωμένες αποφάσεις και ενέργειες συνέχειας. Ζητήστε ονόματα ή ημερομηνίες μόνο όταν η ηχογράφηση τα δηλώνει πραγματικά και κρατήστε τις άλυτες λεπτομέρειες χωριστές από τις αποφάσεις. Για συνέντευξη, ζητήστε την απάντηση σε συγκεκριμένη ερώτηση και τα γύρω συμφραζόμενα που την κάνουν κατανοητή. Αυτοί οι σχεδιασμοί εξόδου συνδέουν την εργασία ήχου με ένα έγγραφο που μπορεί κάποιος να χρησιμοποιήσει στη συνέχεια.\n\nΣυμφραζόμενα, διάρκεια και γλώσσες\n\nΟ κατασκευαστής τεκμηριώνει πλαίσιο 32 χιλ. token και ήχο έως 30 λεπτά για μεταγραφή ή 40 λεπτά για κατανόηση. Οι δύο διάρκειες έχουν διαφορετικά πεδία εργασίας. Επιλέξτε την επιθυμητή λειτουργία πριν επιλέξετε την ηχογράφηση και συμπεριλάβετε την οδηγία κειμένου και τη συνομιλία όταν σχεδιάζετε το διαθέσιμο πλαίσιο. Μια μεγάλη ηχογράφηση και μια μεγάλη γραπτή απάντηση καταναλώνουν και οι δύο πόρους· η δήλωση διάρκειας δεν αποτελεί ξεχωριστή υπόσχεση απεριόριστου μήκους απάντησης.\n\nΗ έκδοση αναφέρει αγγλικά, ισπανικά, γαλλικά, πορτογαλικά, χίντι, γερμανικά, ολλανδικά και ιταλικά μεταξύ των κύριων υποστηριζόμενων γλωσσών και παρέχει αυτόματη ανίχνευση γλώσσας. Για μετάφραση ομιλίας, ορίστε την τελική γλώσσα και τυχόν όρους που πρέπει να διατηρούν την αρχική τους μορφή. Για ερώτηση σχετικά με ήχο σε μία γλώσσα, διακρίνετε τη γλώσσα ηχογράφησης από τη γλώσσα στην οποία πρέπει να γραφτεί η απάντηση.\n\nΠολλαπλές ηχογραφήσεις και συμπληρωματικές ερωτήσεις\n\nΗ κάρτα υποστηρίζει πολλές εισόδους ήχου σε μήνυμα και ήχο σε πολλαπλούς γύρους χρήστη. Δώστε σε κάθε ηχογράφηση αναγνωριστικό και δηλώστε τον ρόλο της όταν τις συγκρίνετε. Ένα πρακτικό αίτημα μπορεί να συγκρίνει δύο εκδοχές προφορικής εξήγησης, να ζητά ποιες προϋποθέσεις άλλαξαν και να επιστρέφει πίνακα με χωριστή στήλη για κάθε ηχογράφηση. Τα αναγνωριστικά βοηθούν να παραμένουν τα ευρήματα του μοντέλου συνδεδεμένα με τη σωστή πηγή.\n\nΜια συμπληρωματική ερώτηση μπορεί να διατηρεί την προηγούμενη ερώτηση και απάντηση, ζητώντας στενότερη λεπτομέρεια ή παρέχοντας άλλη ηχογράφηση. Για παράδειγμα, ζητήστε πρώτα τις αποφάσεις μιας συζήτησης και κατόπιν ποια απόφαση σχετίζεται με συγκεκριμένη απαίτηση. Η ίδια έκδοση παρουσιάζει επίσης αιτήματα μόνο κειμένου και μόνο ήχου. Το γλωσσικό της υπόβαθρο μπορεί να εργάζεται πάνω στη γραπτή ερώτηση ή στο αποτέλεσμα, ενώ η δυνατότητα ήχου παρέχει στοιχεία από ομιλία.\n\nΣυναρτήσεις με φωνητική καθοδήγηση\n\nΟ κατασκευαστής περιγράφει κλήση συναρτήσεων από προφορική πρόθεση και χαρακτηρίζει το παράδειγμα κλήσης συναρτήσεων της δημοσιευμένης κάρτας ως πειραματική υποστήριξη. Σε αυτή τη ροή, η εφαρμογή ορίζει συνάρτηση και ορίσματα, το μοντέλο προετοιμάζει κλήση από το αίτημα και η εφαρμογή την εκτελεί και παρέχει το αποτέλεσμα. Μια φωνητική αναζήτηση μπορεί επομένως να επιστρέφει γραπτή απάντηση χρησιμοποιώντας πληροφορίες από συνδεδεμένο εργαλείο. Η κλήση συναρτήσεων δεν σημαίνει ότι το μοντέλο κατέχει αυτόματα την εξωτερική υπηρεσία ή πραγματοποιεί ενέργεια απλώς κατονομάζοντάς την.\n\nΚρατήστε ρητά τον σκοπό της συνάρτησης και τις απαιτούμενες πληροφορίες. Αν η ηχογράφηση ζητά λειτουργία αλλά παραλείπει υποχρεωτική τιμή, η εφαρμογή εξακολουθεί να χρειάζεται αυτή την τιμή για να εκτελέσει τη συνάρτηση. Διαχωρίστε το προφορικό αίτημα, τα προτεινόμενα ορίσματα και το επιστρεφόμενο αποτέλεσμα, ώστε η επόμενη απάντηση να μπορεί να αναφέρεται στην πραγματική έκβαση της λειτουργίας.\n\nΠροτεινόμενες ρυθμίσεις και χρήσιμα όρια\n\nΓια κατανόηση ήχου και συμπλήρωση συνομιλίας, η κάρτα συνιστά θερμοκρασία 0.2 και top-p 0.95. Για μεταγραφή, συνιστά θερμοκρασία 0.0. Δηλώνει ρητά ότι τα system prompt δεν υποστηρίζονται σε αυτή τη δημοσιευμένη ροή χρήσης, επομένως τοποθετήστε την εργασία και τις απαιτήσεις απάντησης στην είσοδο χρήστη αντί να μεταφέρετε μια σύμβαση system prompt από άλλο μοντέλο Mistral.\n\nΕπιλέξτε ηχογράφηση που περιέχει το υλικό που σχετίζεται με την ερώτηση, κρατήστε καθαρή την ακουστή ομιλία και προσδιορίστε αν το αποτέλεσμα πρέπει να είναι μεταγραφή, μετάφραση, απάντηση ή σύνοψη. Η τεκμηριωμένη έξοδος είναι κείμενο. Μια προφορική απάντηση χρειάζεται συστατικό μετατροπής κειμένου σε ομιλία, και η ταυτοποίηση ομιλητή, ο λεπτομερής διαχωρισμός ομιλητών ή οι χρονικές σημάνσεις ανά λέξη δεν πρέπει να συνάγονται από τον γενικό ισχυρισμό κατανόησης ήχου για αυτή τη συγκεκριμένη έκδοση.\n\nΤα παραδείγματα παραγωγής 500 token της κάρτας είναι ενδεικτικές ρυθμίσεις και όχι ξεχωριστά δηλωμένη μέγιστη χωρητικότητα εξόδου. Διατηρήστε την έκδοση 2507, τις οδηγίες διάρκειας ανά εργασία και τη γλώσσα εισόδου όταν προετοιμάζετε επαναλήψιμη ροή. Το χρήσιμο τελικό παραδοτέο είναι το ζητούμενο κείμενο, συνδεδεμένο με την ηχογράφηση και μορφοποιημένο για το επόμενο βήμα εγγράφου ή εφαρμογής.", "editorialOverlay": { "copy_fields": { "practical_html": "Τεχνικό παράδειγμα στα αγγλικά
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-2507Το Voxtral Small 1.0 24B 2507 είναι μοντέλο κειμένου και ήχου για μεταγραφή, μετάφραση ομιλίας, ερωτήσεις και συνόψεις. Ο κατασκευαστής τεκμηριώνει πλαίσιο 32 χιλ. token, έως 30 λεπτά για μεταγραφή ή 40 λεπτά για κατανόηση, πολλαπλές εισόδους ήχου και αποτελέσματα κειμένου.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Voxtral Small 1.0 24B 2507 προσθέτει είσοδο ήχου και κατανόηση ομιλίας σε γλωσσικό υπόβαθρο Mistral Small. Δέχεται ήχο και κείμενο και επιστρέφει κείμενο, όπως μεταγραφή, απάντηση για την ηχογράφηση, μετάφραση ή δομημένη σύνοψη. Αυτή είναι η ονομασμένη έκδοση κατανόησης ομιλίας 24B, διακριτή από το Voxtral Mini, τις παραλλαγές υπηρεσίας βελτιστοποιημένες για μεταγραφή και τις μεταγενέστερες εκδόσεις Voxtral παραγωγής ομιλίας ή πραγματικού χρόνου.
Μεταγραφή και κατανόηση ήχου
Το μοντέλο διαθέτει ειδική λειτουργία καθαρής μεταγραφής. Ο κατασκευαστής δηλώνει ότι από προεπιλογή προβλέπει αυτόματα τη γλώσσα του αρχικού ήχου και μεταγράφει αναλόγως. Χρησιμοποιήστε αυτή τη λειτουργία όταν το επιθυμητό παραδοτέο είναι η ίδια η εκφωνημένη διατύπωση και όχι ερμηνεία ή σύνοψη. Προσδιορίστε αν το αποτέλεσμα πρέπει να διατηρεί την αρχική γλώσσα ή να ακολουθείται από χωριστά ζητούμενη μετάφραση.
Η κατανόηση ήχου επιτρέπει να τίθεται ερώτηση απευθείας για μια ηχογράφηση, χωρίς να συνδέεται πρώτα χωριστό μοντέλο αναγνώρισης ομιλίας με μοντέλο κειμένου. Ένα αίτημα μπορεί να ζητά ποιο θέμα συζητήθηκε, ποια απόφαση δηλώθηκε ή ποια πληροφορία της ηχογράφησης απαντά σε συγκεκριμένη ερώτηση. Το αποτέλεσμα μπορεί να είναι συνοπτική απόκριση ή οργανωμένη σύνοψη και όχι πλήρης μεταγραφή κάθε εκφωνημένης λέξης.
Για σύνοψη συνάντησης, δώστε την ηχογράφηση και ορίστε τα πεδία επιστροφής: θέματα, ρητά δηλωμένες αποφάσεις και ενέργειες συνέχειας. Ζητήστε ονόματα ή ημερομηνίες μόνο όταν η ηχογράφηση τα δηλώνει πραγματικά και κρατήστε τις άλυτες λεπτομέρειες χωριστές από τις αποφάσεις. Για συνέντευξη, ζητήστε την απάντηση σε συγκεκριμένη ερώτηση και τα γύρω συμφραζόμενα που την κάνουν κατανοητή. Αυτοί οι σχεδιασμοί εξόδου συνδέουν την εργασία ήχου με ένα έγγραφο που μπορεί κάποιος να χρησιμοποιήσει στη συνέχεια.
Συμφραζόμενα, διάρκεια και γλώσσες
Ο κατασκευαστής τεκμηριώνει πλαίσιο 32 χιλ. token και ήχο έως 30 λεπτά για μεταγραφή ή 40 λεπτά για κατανόηση. Οι δύο διάρκειες έχουν διαφορετικά πεδία εργασίας. Επιλέξτε την επιθυμητή λειτουργία πριν επιλέξετε την ηχογράφηση και συμπεριλάβετε την οδηγία κειμένου και τη συνομιλία όταν σχεδιάζετε το διαθέσιμο πλαίσιο. Μια μεγάλη ηχογράφηση και μια μεγάλη γραπτή απάντηση καταναλώνουν και οι δύο πόρους· η δήλωση διάρκειας δεν αποτελεί ξεχωριστή υπόσχεση απεριόριστου μήκους απάντησης.
Η έκδοση αναφέρει αγγλικά, ισπανικά, γαλλικά, πορτογαλικά, χίντι, γερμανικά, ολλανδικά και ιταλικά μεταξύ των κύριων υποστηριζόμενων γλωσσών και παρέχει αυτόματη ανίχνευση γλώσσας. Για μετάφραση ομιλίας, ορίστε την τελική γλώσσα και τυχόν όρους που πρέπει να διατηρούν την αρχική τους μορφή. Για ερώτηση σχετικά με ήχο σε μία γλώσσα, διακρίνετε τη γλώσσα ηχογράφησης από τη γλώσσα στην οποία πρέπει να γραφτεί η απάντηση.
Πολλαπλές ηχογραφήσεις και συμπληρωματικές ερωτήσεις
Η κάρτα υποστηρίζει πολλές εισόδους ήχου σε μήνυμα και ήχο σε πολλαπλούς γύρους χρήστη. Δώστε σε κάθε ηχογράφηση αναγνωριστικό και δηλώστε τον ρόλο της όταν τις συγκρίνετε. Ένα πρακτικό αίτημα μπορεί να συγκρίνει δύο εκδοχές προφορικής εξήγησης, να ζητά ποιες προϋποθέσεις άλλαξαν και να επιστρέφει πίνακα με χωριστή στήλη για κάθε ηχογράφηση. Τα αναγνωριστικά βοηθούν να παραμένουν τα ευρήματα του μοντέλου συνδεδεμένα με τη σωστή πηγή.
Μια συμπληρωματική ερώτηση μπορεί να διατηρεί την προηγούμενη ερώτηση και απάντηση, ζητώντας στενότερη λεπτομέρεια ή παρέχοντας άλλη ηχογράφηση. Για παράδειγμα, ζητήστε πρώτα τις αποφάσεις μιας συζήτησης και κατόπιν ποια απόφαση σχετίζεται με συγκεκριμένη απαίτηση. Η ίδια έκδοση παρουσιάζει επίσης αιτήματα μόνο κειμένου και μόνο ήχου. Το γλωσσικό της υπόβαθρο μπορεί να εργάζεται πάνω στη γραπτή ερώτηση ή στο αποτέλεσμα, ενώ η δυνατότητα ήχου παρέχει στοιχεία από ομιλία.
Συναρτήσεις με φωνητική καθοδήγηση
Ο κατασκευαστής περιγράφει κλήση συναρτήσεων από προφορική πρόθεση και χαρακτηρίζει το παράδειγμα κλήσης συναρτήσεων της δημοσιευμένης κάρτας ως πειραματική υποστήριξη. Σε αυτή τη ροή, η εφαρμογή ορίζει συνάρτηση και ορίσματα, το μοντέλο προετοιμάζει κλήση από το αίτημα και η εφαρμογή την εκτελεί και παρέχει το αποτέλεσμα. Μια φωνητική αναζήτηση μπορεί επομένως να επιστρέφει γραπτή απάντηση χρησιμοποιώντας πληροφορίες από συνδεδεμένο εργαλείο. Η κλήση συναρτήσεων δεν σημαίνει ότι το μοντέλο κατέχει αυτόματα την εξωτερική υπηρεσία ή πραγματοποιεί ενέργεια απλώς κατονομάζοντάς την.
Κρατήστε ρητά τον σκοπό της συνάρτησης και τις απαιτούμενες πληροφορίες. Αν η ηχογράφηση ζητά λειτουργία αλλά παραλείπει υποχρεωτική τιμή, η εφαρμογή εξακολουθεί να χρειάζεται αυτή την τιμή για να εκτελέσει τη συνάρτηση. Διαχωρίστε το προφορικό αίτημα, τα προτεινόμενα ορίσματα και το επιστρεφόμενο αποτέλεσμα, ώστε η επόμενη απάντηση να μπορεί να αναφέρεται στην πραγματική έκβαση της λειτουργίας.
Προτεινόμενες ρυθμίσεις και χρήσιμα όρια
Για κατανόηση ήχου και συμπλήρωση συνομιλίας, η κάρτα συνιστά θερμοκρασία 0.2 και top-p 0.95. Για μεταγραφή, συνιστά θερμοκρασία 0.0. Δηλώνει ρητά ότι τα system prompt δεν υποστηρίζονται σε αυτή τη δημοσιευμένη ροή χρήσης, επομένως τοποθετήστε την εργασία και τις απαιτήσεις απάντησης στην είσοδο χρήστη αντί να μεταφέρετε μια σύμβαση system prompt από άλλο μοντέλο Mistral.
Επιλέξτε ηχογράφηση που περιέχει το υλικό που σχετίζεται με την ερώτηση, κρατήστε καθαρή την ακουστή ομιλία και προσδιορίστε αν το αποτέλεσμα πρέπει να είναι μεταγραφή, μετάφραση, απάντηση ή σύνοψη. Η τεκμηριωμένη έξοδος είναι κείμενο. Μια προφορική απάντηση χρειάζεται συστατικό μετατροπής κειμένου σε ομιλία, και η ταυτοποίηση ομιλητή, ο λεπτομερής διαχωρισμός ομιλητών ή οι χρονικές σημάνσεις ανά λέξη δεν πρέπει να συνάγονται από τον γενικό ισχυρισμό κατανόησης ήχου για αυτή τη συγκεκριμένη έκδοση.
Τα παραδείγματα παραγωγής 500 token της κάρτας είναι ενδεικτικές ρυθμίσεις και όχι ξεχωριστά δηλωμένη μέγιστη χωρητικότητα εξόδου. Διατηρήστε την έκδοση 2507, τις οδηγίες διάρκειας ανά εργασία και τη γλώσσα εισόδου όταν προετοιμάζετε επαναλήψιμη ροή. Το χρήσιμο τελικό παραδοτέο είναι το ζητούμενο κείμενο, συνδεδεμένο με την ηχογράφηση και μορφοποιημένο για το επόμενο βήμα εγγράφου ή εφαρμογής.
POST /v1/chat/completionstexttext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια mistralai/voxtral-small-24b-2507 | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Παραδείγματα: system, user, assistant, tool, function Συνθήκες: Αυτοί οι ρόλοι αναπαρίστανται ρητά από τους τύπους συμβατότητας του πηγαίου κώδικα· το ακριβές σύνολο ρόλων παραμένει ειδικό για κάθε μοντέλο. Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_part[]|null | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_calls | Τύποςtool_call[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_call_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε | Προεπιλογή— |
Πεδίοmessages[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].reasoning_content | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί | Προεπιλογή— |
Πεδίοmessages[].reasoning_details | Τύποςobject|array | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_completion_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοstream_options.include_usage | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop | Τύποςstring|string[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςfunction_tool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια function Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].function.name | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης | Προεπιλογή— |
Πεδίοtools[].function.description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].function.parameters | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοparallel_tool_calls | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοresponse_format | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning_effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοservice_tier | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοinstructions | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Πεδίο συμβατότητας | Προεπιλογή— |
Πεδίοfunctions | Τύποςfunction[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοfunction_call | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_options | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmodalities | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια text | Προεπιλογή— |
Πεδίοprovider | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίπτεται σε αυτή τη διαδρομή κειμένου Ultra | Προεπιλογή— |
Πεδίοcache_control.ttl | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το 1h απορρίπτεται στα πραγματικά πεδία κρυφής μνήμης προτροπών | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςmessages | ΣύμβασηΠίνακας μηνυμάτων με δομή role/content |
Παράμετροςfile_material | Σύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου |
Παράμετροςoptional_controls | Σύμβασηstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Παράμετροςcontrol_scope | Σύμβασηεξαρτάται από το μοντέλο· τα εργαλεία συναρτήσεων του χρήστη διαφέρουν από τα φιλοξενούμενα εργαλεία |
Παράμετροςoutput_modalities | Σύμβασηtext |
Παράμετροςhosted_operations | Σύμβασηfalse |
Παράμετροςmultimodal_input_binding | Σύμβασηnull |
Κύκλος ζωής: synchronous_or_streamed
Στείλτε το ακριβές ID μοντέλου μαζί με το messages.
Το μήκος συμφραζομένων δεν είναι ανώτατο όριο εξόδου.
Ένα αρχείο κειμένου μπορεί να παρέχει αυτούσιο κείμενο· οι είσοδοι εικόνας/ήχου/αντικειμένων αρχείων χρειάζονται ακριβή αντιστοίχιση.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.
| Διαμόρφωση | Πίνακας χρεώσεων | Token συμφραζομένων, πάνω από | Token συμφραζομένων, έως και | Χρέωση |
|---|---|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Token συμφραζομένων, πάνω από— | Token συμφραζομένων, έως καιΧωρίς ανώτατο όριο | Χρέωση Είσοδος · Token εισόδου $0.0002 / 1K token Έξοδος · Token εξόδου $0.0006 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.00002 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
| ΔιαμόρφωσηΕπίπεδο 1 βάσει μήκους αιτήματος | Πίνακας χρεώσεων— | Token συμφραζομένων, πάνω από0 | Token συμφραζομένων, έως καιΧωρίς ανώτατο όριο | Χρέωση Είσοδος · Token εισόδου $0.0002 / 1K token Έξοδος · Token εξόδου $0.0006 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.00002 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε επιλογή και το περιεχόμενο/τις κλήσεις εργαλείων/το περιεχόμενο συλλογιστικής της. Στο SSE συνθέστε τις διαφορικές ενημερώσεις ανά δείκτη επιλογής/εργαλείου και κρατήστε την τελική αιτία τερματισμού και τα στοιχεία χρήσης.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοchoices[].index | Τύποςinteger |
Πεδίοchoices[].message.content | Τύποςstring|null |
Πεδίοchoices[].message.tool_calls | Τύποςtool_call[] |
Πεδίοchoices[].message.reasoning_content | Τύποςstring |
Πεδίοchoices[].message.reasoning_details | Τύποςobject|array |
Πεδίοchoices[].finish_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
mistralai/voxtral-small-24b-2507Το Voxtral Small 1.0 24B 2507 είναι μοντέλο κειμένου και ήχου για μεταγραφή, μετάφραση ομιλίας, ερωτήσεις και συνόψεις. Ο κατασκευαστής τεκμηριώνει πλαίσιο 32 χιλ. token, έως 30 λεπτά για μεταγραφή ή 40 λεπτά για κατανόηση, πολλαπλές εισόδους ήχου και αποτελέσματα κειμένου.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Voxtral Small 1.0 24B 2507 προσθέτει είσοδο ήχου και κατανόηση ομιλίας σε γλωσσικό υπόβαθρο Mistral Small. Δέχεται ήχο και κείμενο και επιστρέφει κείμενο, όπως μεταγραφή, απάντηση για την ηχογράφηση, μετάφραση ή δομημένη σύνοψη. Αυτή είναι η ονομασμένη έκδοση κατανόησης ομιλίας 24B, διακριτή από το Voxtral Mini, τις παραλλαγές υπηρεσίας βελτιστοποιημένες για μεταγραφή και τις μεταγενέστερες εκδόσεις Voxtral παραγωγής ομιλίας ή πραγματικού χρόνου.
Μεταγραφή και κατανόηση ήχου
Το μοντέλο διαθέτει ειδική λειτουργία καθαρής μεταγραφής. Ο κατασκευαστής δηλώνει ότι από προεπιλογή προβλέπει αυτόματα τη γλώσσα του αρχικού ήχου και μεταγράφει αναλόγως. Χρησιμοποιήστε αυτή τη λειτουργία όταν το επιθυμητό παραδοτέο είναι η ίδια η εκφωνημένη διατύπωση και όχι ερμηνεία ή σύνοψη. Προσδιορίστε αν το αποτέλεσμα πρέπει να διατηρεί την αρχική γλώσσα ή να ακολουθείται από χωριστά ζητούμενη μετάφραση.
Η κατανόηση ήχου επιτρέπει να τίθεται ερώτηση απευθείας για μια ηχογράφηση, χωρίς να συνδέεται πρώτα χωριστό μοντέλο αναγνώρισης ομιλίας με μοντέλο κειμένου. Ένα αίτημα μπορεί να ζητά ποιο θέμα συζητήθηκε, ποια απόφαση δηλώθηκε ή ποια πληροφορία της ηχογράφησης απαντά σε συγκεκριμένη ερώτηση. Το αποτέλεσμα μπορεί να είναι συνοπτική απόκριση ή οργανωμένη σύνοψη και όχι πλήρης μεταγραφή κάθε εκφωνημένης λέξης.
Για σύνοψη συνάντησης, δώστε την ηχογράφηση και ορίστε τα πεδία επιστροφής: θέματα, ρητά δηλωμένες αποφάσεις και ενέργειες συνέχειας. Ζητήστε ονόματα ή ημερομηνίες μόνο όταν η ηχογράφηση τα δηλώνει πραγματικά και κρατήστε τις άλυτες λεπτομέρειες χωριστές από τις αποφάσεις. Για συνέντευξη, ζητήστε την απάντηση σε συγκεκριμένη ερώτηση και τα γύρω συμφραζόμενα που την κάνουν κατανοητή. Αυτοί οι σχεδιασμοί εξόδου συνδέουν την εργασία ήχου με ένα έγγραφο που μπορεί κάποιος να χρησιμοποιήσει στη συνέχεια.
Συμφραζόμενα, διάρκεια και γλώσσες
Ο κατασκευαστής τεκμηριώνει πλαίσιο 32 χιλ. token και ήχο έως 30 λεπτά για μεταγραφή ή 40 λεπτά για κατανόηση. Οι δύο διάρκειες έχουν διαφορετικά πεδία εργασίας. Επιλέξτε την επιθυμητή λειτουργία πριν επιλέξετε την ηχογράφηση και συμπεριλάβετε την οδηγία κειμένου και τη συνομιλία όταν σχεδιάζετε το διαθέσιμο πλαίσιο. Μια μεγάλη ηχογράφηση και μια μεγάλη γραπτή απάντηση καταναλώνουν και οι δύο πόρους· η δήλωση διάρκειας δεν αποτελεί ξεχωριστή υπόσχεση απεριόριστου μήκους απάντησης.
Η έκδοση αναφέρει αγγλικά, ισπανικά, γαλλικά, πορτογαλικά, χίντι, γερμανικά, ολλανδικά και ιταλικά μεταξύ των κύριων υποστηριζόμενων γλωσσών και παρέχει αυτόματη ανίχνευση γλώσσας. Για μετάφραση ομιλίας, ορίστε την τελική γλώσσα και τυχόν όρους που πρέπει να διατηρούν την αρχική τους μορφή. Για ερώτηση σχετικά με ήχο σε μία γλώσσα, διακρίνετε τη γλώσσα ηχογράφησης από τη γλώσσα στην οποία πρέπει να γραφτεί η απάντηση.
Πολλαπλές ηχογραφήσεις και συμπληρωματικές ερωτήσεις
Η κάρτα υποστηρίζει πολλές εισόδους ήχου σε μήνυμα και ήχο σε πολλαπλούς γύρους χρήστη. Δώστε σε κάθε ηχογράφηση αναγνωριστικό και δηλώστε τον ρόλο της όταν τις συγκρίνετε. Ένα πρακτικό αίτημα μπορεί να συγκρίνει δύο εκδοχές προφορικής εξήγησης, να ζητά ποιες προϋποθέσεις άλλαξαν και να επιστρέφει πίνακα με χωριστή στήλη για κάθε ηχογράφηση. Τα αναγνωριστικά βοηθούν να παραμένουν τα ευρήματα του μοντέλου συνδεδεμένα με τη σωστή πηγή.
Μια συμπληρωματική ερώτηση μπορεί να διατηρεί την προηγούμενη ερώτηση και απάντηση, ζητώντας στενότερη λεπτομέρεια ή παρέχοντας άλλη ηχογράφηση. Για παράδειγμα, ζητήστε πρώτα τις αποφάσεις μιας συζήτησης και κατόπιν ποια απόφαση σχετίζεται με συγκεκριμένη απαίτηση. Η ίδια έκδοση παρουσιάζει επίσης αιτήματα μόνο κειμένου και μόνο ήχου. Το γλωσσικό της υπόβαθρο μπορεί να εργάζεται πάνω στη γραπτή ερώτηση ή στο αποτέλεσμα, ενώ η δυνατότητα ήχου παρέχει στοιχεία από ομιλία.
Συναρτήσεις με φωνητική καθοδήγηση
Ο κατασκευαστής περιγράφει κλήση συναρτήσεων από προφορική πρόθεση και χαρακτηρίζει το παράδειγμα κλήσης συναρτήσεων της δημοσιευμένης κάρτας ως πειραματική υποστήριξη. Σε αυτή τη ροή, η εφαρμογή ορίζει συνάρτηση και ορίσματα, το μοντέλο προετοιμάζει κλήση από το αίτημα και η εφαρμογή την εκτελεί και παρέχει το αποτέλεσμα. Μια φωνητική αναζήτηση μπορεί επομένως να επιστρέφει γραπτή απάντηση χρησιμοποιώντας πληροφορίες από συνδεδεμένο εργαλείο. Η κλήση συναρτήσεων δεν σημαίνει ότι το μοντέλο κατέχει αυτόματα την εξωτερική υπηρεσία ή πραγματοποιεί ενέργεια απλώς κατονομάζοντάς την.
Κρατήστε ρητά τον σκοπό της συνάρτησης και τις απαιτούμενες πληροφορίες. Αν η ηχογράφηση ζητά λειτουργία αλλά παραλείπει υποχρεωτική τιμή, η εφαρμογή εξακολουθεί να χρειάζεται αυτή την τιμή για να εκτελέσει τη συνάρτηση. Διαχωρίστε το προφορικό αίτημα, τα προτεινόμενα ορίσματα και το επιστρεφόμενο αποτέλεσμα, ώστε η επόμενη απάντηση να μπορεί να αναφέρεται στην πραγματική έκβαση της λειτουργίας.
Προτεινόμενες ρυθμίσεις και χρήσιμα όρια
Για κατανόηση ήχου και συμπλήρωση συνομιλίας, η κάρτα συνιστά θερμοκρασία 0.2 και top-p 0.95. Για μεταγραφή, συνιστά θερμοκρασία 0.0. Δηλώνει ρητά ότι τα system prompt δεν υποστηρίζονται σε αυτή τη δημοσιευμένη ροή χρήσης, επομένως τοποθετήστε την εργασία και τις απαιτήσεις απάντησης στην είσοδο χρήστη αντί να μεταφέρετε μια σύμβαση system prompt από άλλο μοντέλο Mistral.
Επιλέξτε ηχογράφηση που περιέχει το υλικό που σχετίζεται με την ερώτηση, κρατήστε καθαρή την ακουστή ομιλία και προσδιορίστε αν το αποτέλεσμα πρέπει να είναι μεταγραφή, μετάφραση, απάντηση ή σύνοψη. Η τεκμηριωμένη έξοδος είναι κείμενο. Μια προφορική απάντηση χρειάζεται συστατικό μετατροπής κειμένου σε ομιλία, και η ταυτοποίηση ομιλητή, ο λεπτομερής διαχωρισμός ομιλητών ή οι χρονικές σημάνσεις ανά λέξη δεν πρέπει να συνάγονται από τον γενικό ισχυρισμό κατανόησης ήχου για αυτή τη συγκεκριμένη έκδοση.
Τα παραδείγματα παραγωγής 500 token της κάρτας είναι ενδεικτικές ρυθμίσεις και όχι ξεχωριστά δηλωμένη μέγιστη χωρητικότητα εξόδου. Διατηρήστε την έκδοση 2507, τις οδηγίες διάρκειας ανά εργασία και τη γλώσσα εισόδου όταν προετοιμάζετε επαναλήψιμη ροή. Το χρήσιμο τελικό παραδοτέο είναι το ζητούμενο κείμενο, συνδεδεμένο με την ηχογράφηση και μορφοποιημένο για το επόμενο βήμα εγγράφου ή εφαρμογής.
POST /v1/messagestextjson, sse| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια mistralai/voxtral-small-24b-2507 | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια user, assistant | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Κείμενο · Κείμενο UTF-8
Συμβολοσειρά messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages, max_tokens |
Παράμετροςoptional_controls | Σύμβασηstream |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςtext_file_material | ΣύμβασηΔιαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος. |
Κύκλος ζωής: synchronous_or_streamed
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.
| Διαμόρφωση | Πίνακας χρεώσεων | Token συμφραζομένων, πάνω από | Token συμφραζομένων, έως και | Χρέωση |
|---|---|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Token συμφραζομένων, πάνω από— | Token συμφραζομένων, έως καιΧωρίς ανώτατο όριο | Χρέωση Είσοδος · Token εισόδου $0.0002 / 1K token Έξοδος · Token εξόδου $0.0006 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.00002 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
| ΔιαμόρφωσηΕπίπεδο 1 βάσει μήκους αιτήματος | Πίνακας χρεώσεων— | Token συμφραζομένων, πάνω από0 | Token συμφραζομένων, έως καιΧωρίς ανώτατο όριο | Χρέωση Είσοδος · Token εισόδου $0.0002 / 1K token Έξοδος · Token εξόδου $0.0006 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.00002 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
{\n "model": "mistralai/voxtral-small-24b-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε όλα τα μπλοκ περιεχομένου, τις υπογραφές συλλογιστικής και τα πραγματικά ID χρήσης εργαλείων. Συνθέστε όλες τις διαφορικές ενημερώσεις μπλοκ SSE· το πρώτο μπλοκ κειμένου δεν είναι η πλήρης έξοδος.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοcontent[] | Τύποςtext|thinking|tool_use|other content block |
Πεδίοstop_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Τεχνικό παράδειγμα στα αγγλικά
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.