Voxtral Mini Transcribe 2 est l’édition Voxtral de Mistral AI dédiée à la transcription, identifiée dans la fiche du producteur comme voxtral-mini-2602. Elle vise la transcription par lots d’enregistrements plutôt que les questions-réponses plus larges du modèle original Voxtral Mini 3B. L’entrée est audio et le résultat est du texte transcrit, éventuellement enrichi d’étiquettes de locuteurs et d’informations temporelles. Les usages comprennent les transcriptions de réunions, l’analyse d’entretiens, les comptes rendus d’appels à plusieurs participants et le texte aligné sur des médias enregistrés.
Le fabricant documente la diarisation des locuteurs et les temps de début et de fin pour indiquer qui parle et quand. Les horodatages mot à mot facilitent les sous-titres, la recherche audio et l’alignement d’un passage avec sa position dans l’enregistrement. Le guide autorise une granularité par segment ou par mot. Pour un entretien, le livrable utile est une suite de passages attribués avec leurs temps ; pour préparer des sous-titres, les temps par mot ou segment guident une étape ultérieure plutôt que d’être déduits d’une transcription sans repères.
L’orientation par contexte accepte jusqu’à 100 mots ou expressions pour guider l’orthographe des noms, termes techniques et vocabulaires spécialisés. Mistral indique que cette fonction est optimisée pour l’anglais et expérimentale dans les autres langues. Préparez une liste ciblée sur le sujet de l’enregistrement plutôt qu’un glossaire sans rapport. Un exemple pourrait fournir les noms de projets et termes spécialisés susceptibles d’apparaître dans une discussion technique, puis vérifier leur orthographe dans la transcription achevée.
Cette édition prend en charge treize langues : anglais, chinois, hindi, espagnol, arabe, français, portugais, russe, allemand, japonais, coréen, italien et néerlandais. Le fabricant documente aussi la robustesse au bruit et les enregistrements jusqu’à trois heures dans une seule requête. Ces propriétés appartiennent au processus d’enregistrement de Mini Transcribe 2 ; le contexte et les durées du modèle original de compréhension audio 2507 concernent une autre version. La détection automatique de langue est disponible, et le guide indique qu’une langue connue explicitement fournie peut améliorer la précision.
Dans le processus documenté, l’audio peut être fourni sous forme de fichier téléversé, d’identifiant d’un fichier déjà téléversé ou d’enregistrement référencé. La démonstration de téléversement accepte MP3, WAV, M4A, FLAC et OGG ; choisissez l’un de ces formats pour ce processus. Gardez l’enregistrement décodable et incluez la parole pertinente. Pour des contenus longs, conservez l’identifiant et l’origine temporelle afin de relier les futurs extraits ou modifications à la source.
La référence de transcription renvoie le texte et la langue détectée, ainsi que les segments lorsqu’ils sont demandés, et documente séparément les événements de transcription en continu. La diarisation est facultative et vaut false par défaut. Le guide précise que timestamp_granularities et un réglage explicite de langue sont actuellement incompatibles : choisissez le processus d’horodatage ou l’indication manuelle de langue plutôt que de les combiner. Sélectionnez attribution de locuteurs, vocabulaire et temps selon le résultat souhaité au lieu de les supposer inclus dans une requête simple.
Les paroles simultanées constituent une limite importante : Mistral indique que le modèle transcrit généralement un seul locuteur lorsqu’ils se chevauchent. Une transcription étiquetée ne doit donc pas être considérée comme un relevé exhaustif de toutes les paroles simultanées. Pour une réunion, réécoutez les chevauchements difficiles et vérifiez noms et chiffres importants. Le modèle vise la transcription ; résumé, traduction ou analyse peuvent être des tâches séparées fondées sur celle-ci. Voxtral Realtime possède son propre profil de latence pour le direct, et la génération vocale relève d’autres modèles.
Préparez le résultat pour son usage suivant. Un processus de réunion peut préserver transcription, locuteurs et temps avant l’extraction séparée des décisions ; un processus média peut utiliser les temps pour localiser des passages et préparer des sous-titres ; un enregistrement riche en terminologie peut inclure une liste de vocabulaire ciblée et une revue de l’orthographe obtenue. Le livrable utile est du texte lié à son enregistrement et aux métadonnées configurées, en distinguant cette édition numérotée de transcription du modèle Mini original et des noms latest évolutifs.
", "aboutText": "Voxtral Mini Transcribe 2 est l’édition Voxtral de Mistral AI dédiée à la transcription, identifiée dans la fiche du producteur comme voxtral-mini-2602. Elle vise la transcription par lots d’enregistrements plutôt que les questions-réponses plus larges du modèle original Voxtral Mini 3B. L’entrée est audio et le résultat est du texte transcrit, éventuellement enrichi d’étiquettes de locuteurs et d’informations temporelles. Les usages comprennent les transcriptions de réunions, l’analyse d’entretiens, les comptes rendus d’appels à plusieurs participants et le texte aligné sur des médias enregistrés.\n\nLe fabricant documente la diarisation des locuteurs et les temps de début et de fin pour indiquer qui parle et quand. Les horodatages mot à mot facilitent les sous-titres, la recherche audio et l’alignement d’un passage avec sa position dans l’enregistrement. Le guide autorise une granularité par segment ou par mot. Pour un entretien, le livrable utile est une suite de passages attribués avec leurs temps ; pour préparer des sous-titres, les temps par mot ou segment guident une étape ultérieure plutôt que d’être déduits d’une transcription sans repères.\n\nL’orientation par contexte accepte jusqu’à 100 mots ou expressions pour guider l’orthographe des noms, termes techniques et vocabulaires spécialisés. Mistral indique que cette fonction est optimisée pour l’anglais et expérimentale dans les autres langues. Préparez une liste ciblée sur le sujet de l’enregistrement plutôt qu’un glossaire sans rapport. Un exemple pourrait fournir les noms de projets et termes spécialisés susceptibles d’apparaître dans une discussion technique, puis vérifier leur orthographe dans la transcription achevée.\n\nCette édition prend en charge treize langues : anglais, chinois, hindi, espagnol, arabe, français, portugais, russe, allemand, japonais, coréen, italien et néerlandais. Le fabricant documente aussi la robustesse au bruit et les enregistrements jusqu’à trois heures dans une seule requête. Ces propriétés appartiennent au processus d’enregistrement de Mini Transcribe 2 ; le contexte et les durées du modèle original de compréhension audio 2507 concernent une autre version. La détection automatique de langue est disponible, et le guide indique qu’une langue connue explicitement fournie peut améliorer la précision.\n\nDans le processus documenté, l’audio peut être fourni sous forme de fichier téléversé, d’identifiant d’un fichier déjà téléversé ou d’enregistrement référencé. La démonstration de téléversement accepte MP3, WAV, M4A, FLAC et OGG ; choisissez l’un de ces formats pour ce processus. Gardez l’enregistrement décodable et incluez la parole pertinente. Pour des contenus longs, conservez l’identifiant et l’origine temporelle afin de relier les futurs extraits ou modifications à la source.\n\nLa référence de transcription renvoie le texte et la langue détectée, ainsi que les segments lorsqu’ils sont demandés, et documente séparément les événements de transcription en continu. La diarisation est facultative et vaut false par défaut. Le guide précise que timestamp_granularities et un réglage explicite de langue sont actuellement incompatibles : choisissez le processus d’horodatage ou l’indication manuelle de langue plutôt que de les combiner. Sélectionnez attribution de locuteurs, vocabulaire et temps selon le résultat souhaité au lieu de les supposer inclus dans une requête simple.\n\nLes paroles simultanées constituent une limite importante : Mistral indique que le modèle transcrit généralement un seul locuteur lorsqu’ils se chevauchent. Une transcription étiquetée ne doit donc pas être considérée comme un relevé exhaustif de toutes les paroles simultanées. Pour une réunion, réécoutez les chevauchements difficiles et vérifiez noms et chiffres importants. Le modèle vise la transcription ; résumé, traduction ou analyse peuvent être des tâches séparées fondées sur celle-ci. Voxtral Realtime possède son propre profil de latence pour le direct, et la génération vocale relève d’autres modèles.\n\nPréparez le résultat pour son usage suivant. Un processus de réunion peut préserver transcription, locuteurs et temps avant l’extraction séparée des décisions ; un processus média peut utiliser les temps pour localiser des passages et préparer des sous-titres ; un enregistrement riche en terminologie peut inclure une liste de vocabulaire ciblée et une revue de l’orthographe obtenue. Le livrable utile est du texte lié à son enregistrement et aux métadonnées configurées, en distinguant cette édition numérotée de transcription du modèle Mini original et des noms latest évolutifs.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "43bcd1d10482b34c300dc5cf17fd588e1377f6096e75e1676c98c097f14c2c78", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-be", "methods": [ { "html": "mistralai/voxtral-mini-transcribeVoxtral Mini Transcribe 2 transforme les enregistrements en texte avec diarisation des locuteurs, horodatages mot à mot et orientation par vocabulaire. Mistral documente 13 langues et des enregistrements jusqu’à trois heures pour cette édition dédiée à la transcription, distincte de Voxtral Realtime.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Voxtral Mini Transcribe 2 est l’édition Voxtral de Mistral AI dédiée à la transcription, identifiée dans la fiche du producteur comme voxtral-mini-2602. Elle vise la transcription par lots d’enregistrements plutôt que les questions-réponses plus larges du modèle original Voxtral Mini 3B. L’entrée est audio et le résultat est du texte transcrit, éventuellement enrichi d’étiquettes de locuteurs et d’informations temporelles. Les usages comprennent les transcriptions de réunions, l’analyse d’entretiens, les comptes rendus d’appels à plusieurs participants et le texte aligné sur des médias enregistrés.
Le fabricant documente la diarisation des locuteurs et les temps de début et de fin pour indiquer qui parle et quand. Les horodatages mot à mot facilitent les sous-titres, la recherche audio et l’alignement d’un passage avec sa position dans l’enregistrement. Le guide autorise une granularité par segment ou par mot. Pour un entretien, le livrable utile est une suite de passages attribués avec leurs temps ; pour préparer des sous-titres, les temps par mot ou segment guident une étape ultérieure plutôt que d’être déduits d’une transcription sans repères.
L’orientation par contexte accepte jusqu’à 100 mots ou expressions pour guider l’orthographe des noms, termes techniques et vocabulaires spécialisés. Mistral indique que cette fonction est optimisée pour l’anglais et expérimentale dans les autres langues. Préparez une liste ciblée sur le sujet de l’enregistrement plutôt qu’un glossaire sans rapport. Un exemple pourrait fournir les noms de projets et termes spécialisés susceptibles d’apparaître dans une discussion technique, puis vérifier leur orthographe dans la transcription achevée.
Cette édition prend en charge treize langues : anglais, chinois, hindi, espagnol, arabe, français, portugais, russe, allemand, japonais, coréen, italien et néerlandais. Le fabricant documente aussi la robustesse au bruit et les enregistrements jusqu’à trois heures dans une seule requête. Ces propriétés appartiennent au processus d’enregistrement de Mini Transcribe 2 ; le contexte et les durées du modèle original de compréhension audio 2507 concernent une autre version. La détection automatique de langue est disponible, et le guide indique qu’une langue connue explicitement fournie peut améliorer la précision.
Dans le processus documenté, l’audio peut être fourni sous forme de fichier téléversé, d’identifiant d’un fichier déjà téléversé ou d’enregistrement référencé. La démonstration de téléversement accepte MP3, WAV, M4A, FLAC et OGG ; choisissez l’un de ces formats pour ce processus. Gardez l’enregistrement décodable et incluez la parole pertinente. Pour des contenus longs, conservez l’identifiant et l’origine temporelle afin de relier les futurs extraits ou modifications à la source.
La référence de transcription renvoie le texte et la langue détectée, ainsi que les segments lorsqu’ils sont demandés, et documente séparément les événements de transcription en continu. La diarisation est facultative et vaut false par défaut. Le guide précise que timestamp_granularities et un réglage explicite de langue sont actuellement incompatibles : choisissez le processus d’horodatage ou l’indication manuelle de langue plutôt que de les combiner. Sélectionnez attribution de locuteurs, vocabulaire et temps selon le résultat souhaité au lieu de les supposer inclus dans une requête simple.
Les paroles simultanées constituent une limite importante : Mistral indique que le modèle transcrit généralement un seul locuteur lorsqu’ils se chevauchent. Une transcription étiquetée ne doit donc pas être considérée comme un relevé exhaustif de toutes les paroles simultanées. Pour une réunion, réécoutez les chevauchements difficiles et vérifiez noms et chiffres importants. Le modèle vise la transcription ; résumé, traduction ou analyse peuvent être des tâches séparées fondées sur celle-ci. Voxtral Realtime possède son propre profil de latence pour le direct, et la génération vocale relève d’autres modèles.
Préparez le résultat pour son usage suivant. Un processus de réunion peut préserver transcription, locuteurs et temps avant l’extraction séparée des décisions ; un processus média peut utiliser les temps pour localiser des passages et préparer des sous-titres ; un enregistrement riche en terminologie peut inclure une liste de vocabulaire ciblée et une revue de l’orthographe obtenue. Le livrable utile est du texte lié à son enregistrement et aux métadonnées configurées, en distinguant cette édition numérotée de transcription du modèle Mini original et des noms latest évolutifs.
POST /v1/audio/transcriptionsaudiotext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites mistralai/voxtral-mini-transcribe | Par défaut— |
Champinput_audio | Typeobject | ExigenceObligatoire | Valeurs et limites | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, input_audio |
Paramètrematerial_types | Contrataudio |
Paramètrematerial_conditions | ContratL’exemple lit votre fichier PCM WAV réel et non vide, encode l’intégralité de ses octets en base64 et transmet input_audio.format avec la valeur wav. |
Cycle de vie : synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id exact d’un enregistrement média existant dont vous êtes propriétaire
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Unité de facturation | Coût |
|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Unité de facturation— | Coût Entrée · Tokens en entrée — / 1K tokens Sortie · Tokens en sortie — / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| Configurationseconde d’audio en entrée | Barème tarifaire— | Unité de facturationpar seconde d’audio en entrée | Coût Entrée · seconde d’audio en entrée $0.0001 par seconde d’audio en entrée |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'mistralai/voxtral-mini-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\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# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\nCorps de réponse d’origine complet, état et en-têtes transmis. Ce gestionnaire n’ajoute aucune structure JSON universelle, aucun champ de texte ni aucune enveloppe de tâche.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez la réponse complète et les en-têtes, chaque sortie effective, les identifiants initialement renvoyés et tous les champs d’utilisation. Récupérez l’opération d’origine sans soumettre à nouveau sa création.
Conservez la valeur réelle X-Client-Request-ID et la réponse complète. Consultez les ressources d’origine dont vous êtes propriétaire et leurs URL de contenu signées exactes ; ne soumettez jamais de nouveau une création incertaine.
| Champ | Type |
|---|---|
Champtext (when present) | Type |
Champusage (when present) | Type |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionLe corps JSON ou l’ID canonique explicite du modèle est invalide. | Étape suivanteConservez la réponse et corrigez le champ indiqué de la requête. |
Réponse401 · authentication_error | ConditionLa clé API Ailoot est invalide. | Étape suivanteUtilisez votre clé API Ailoot autorisée. |
Réponse403 · permission_error | ConditionLe groupe de la clé n’autorise pas cette méthode. | Étape suivanteConservez les détails de l’erreur renvoyés. |
Réponse404 · not_found_error | ConditionLa méthode sélectionnée ne dispose d’aucune route autorisée. | Étape suivanteConservez les détails de l’erreur renvoyés. |
Réponse422 · price_unavailable | ConditionLe tarif accepté ne permet pas d’obtenir la quantité d’entrée ou la borne requise. | Étape suivanteConservez la réponse ; utilisez la représentation d’entrée requise par le tarif accepté. |
Réponse503 · | ConditionLe stockage, la route, le tarif de la méthode ou la réservation requis est indisponible. | Étape suivanteConservez la réponse d’origine complète. Une réservation incertaine n’autorise pas une nouvelle soumission. |
Réponse502 · server_error | ConditionLe résultat, la consommation ou le règlement d’origine nécessite une vérification. | Étape suivanteConservez l’ID réel de la requête et la réponse d’origine. Consultez l’enregistrement existant dont vous êtes propriétaire ; ne soumettez pas de nouveau la création. |
Ailoot Ultra mistralai/voxtral-mini-transcribe
Utilisez les chemins de méthode indiqués ci-dessus.