Voxtral Small 1.0 24B 2507 ajoute l’entrée audio et la compréhension de la parole à une base linguistique Mistral Small. Il accepte audio et texte et renvoie du texte, notamment une transcription, une réponse sur l’enregistrement, une traduction ou un résumé structuré. Cette édition de compréhension vocale 24B est distincte de Voxtral Mini, des variantes de service optimisées pour la transcription et des versions ultérieures de génération vocale ou de temps réel.
Transcription et compréhension audio
Le modèle possède un mode dédié à la transcription pure. Le concepteur indique qu’il prédit automatiquement la langue source par défaut et transcrit en conséquence. Utilisez-le lorsque le livrable souhaité est la formulation prononcée elle-même plutôt qu’une interprétation ou synthèse. Précisez s’il faut conserver la langue originale ou ajouter une traduction demandée séparément.
La compréhension audio permet de poser directement une question sur un enregistrement sans enchaîner au préalable un modèle distinct de reconnaissance vocale puis un modèle textuel. Une requête peut demander le sujet discuté, la décision formulée ou l’information répondant à une question précise. Le résultat peut être une réponse concise ou une synthèse organisée plutôt qu’une transcription complète de chaque mot.
Pour résumer une réunion, fournissez l’enregistrement et définissez les champs : sujets, décisions explicitement énoncées et actions de suivi. Ne demandez noms ou dates que s’ils sont réellement mentionnés, et séparez les détails non résolus des décisions. Pour un entretien, demandez la réponse à une question particulière et le contexte permettant de la comprendre. Ces formats relient la tâche audio à un document exploitable ensuite.
Contexte, durée et langues
Le concepteur documente un contexte de 32 k tokens et des enregistrements jusqu’à 30 minutes pour la transcription ou 40 minutes pour la compréhension. Les deux durées ont des périmètres distincts. Choisissez l’opération avant l’enregistrement et incluez instruction textuelle et conversation dans la planification du contexte. Un long enregistrement et une longue réponse écrite consomment tous deux des ressources ; la durée annoncée n’est pas une promesse séparée de réponse illimitée.
La publication cite l’anglais, l’espagnol, le français, le portugais, l’hindi, l’allemand, le néerlandais et l’italien parmi les principales langues et propose la détection automatique. Pour traduire la parole, définissez la langue finale et les termes à conserver. Pour une question sur un audio dans une langue, distinguez langue de l’enregistrement et langue de la réponse.
Plusieurs enregistrements et questions complémentaires
La fiche permet plusieurs entrées audio dans un message et de l’audio dans plusieurs tours utilisateur. Donnez un identifiant et un rôle à chaque enregistrement lors des comparaisons. Une requête pratique peut comparer deux versions d’une explication orale, demander quelles conditions ont changé et renvoyer un tableau avec une colonne par enregistrement. Les identifiants associent les constats à la bonne source.
Un échange complémentaire peut conserver la question et la réponse antérieures tout en demandant un détail plus ciblé ou en fournissant un autre enregistrement. Par exemple, demandez d’abord les décisions d’une discussion, puis celle liée à une exigence précise. La même version montre aussi les requêtes textuelles seules et audio seules. Sa base textuelle traite la question ou le résultat écrit, tandis que l’audio fournit les éléments issus de la parole.
Fonctions pilotées par la voix
Le concepteur décrit les appels de fonctions à partir d’une intention parlée et qualifie d’expérimental le support montré dans la fiche. L’application définit une fonction et ses arguments, le modèle prépare l’appel à partir de la demande, puis l’application l’exécute et fournit le résultat. Une recherche vocale peut ainsi renvoyer une réponse écrite à partir d’un outil connecté. L’appel de fonction ne signifie pas que le modèle possède automatiquement le service externe ou réalise une action en la nommant.
Gardez explicites la finalité de la fonction et les informations requises. Si l’enregistrement demande une opération sans valeur obligatoire, l’application doit toujours obtenir cette valeur pour l’exécuter. Séparez demande parlée, arguments proposés et résultat renvoyé pour que la réponse suivante se réfère à l’issue réelle.
Réglages recommandés et périmètre utile
Pour la compréhension audio et la complétion de dialogue, la fiche recommande une température de 0,2 et top-p à 0.95. Pour la transcription, elle recommande une température de 0,0. Elle précise que les prompts système ne sont pas pris en charge dans ce processus publié : placez donc tâche et exigences de réponse dans l’entrée utilisateur plutôt que de transférer une convention système d’un autre modèle Mistral.
Choisissez un enregistrement contenant les éléments pertinents, avec une parole audible claire, et précisez s’il faut une transcription, traduction, réponse ou synthèse. La sortie documentée est du texte. Une réponse parlée nécessite un composant de synthèse vocale ; l’identification de locuteurs, une diarisation détaillée ou les horodatages mot à mot ne doivent pas être déduits de la compréhension audio générale de cette version exacte.
Les exemples de génération de 500 tokens ne sont pas une capacité maximale de sortie déclarée séparément. Préservez l’édition 2507, les durées propres à la tâche et la langue d’entrée pour préparer un processus répétable. Le livrable final utile est le texte demandé, lié à l’enregistrement et formaté pour l’étape documentaire ou applicative suivante.
", "aboutText": "Voxtral Small 1.0 24B 2507 ajoute l’entrée audio et la compréhension de la parole à une base linguistique Mistral Small. Il accepte audio et texte et renvoie du texte, notamment une transcription, une réponse sur l’enregistrement, une traduction ou un résumé structuré. Cette édition de compréhension vocale 24B est distincte de Voxtral Mini, des variantes de service optimisées pour la transcription et des versions ultérieures de génération vocale ou de temps réel.\n\nTranscription et compréhension audio\n\nLe modèle possède un mode dédié à la transcription pure. Le concepteur indique qu’il prédit automatiquement la langue source par défaut et transcrit en conséquence. Utilisez-le lorsque le livrable souhaité est la formulation prononcée elle-même plutôt qu’une interprétation ou synthèse. Précisez s’il faut conserver la langue originale ou ajouter une traduction demandée séparément.\n\nLa compréhension audio permet de poser directement une question sur un enregistrement sans enchaîner au préalable un modèle distinct de reconnaissance vocale puis un modèle textuel. Une requête peut demander le sujet discuté, la décision formulée ou l’information répondant à une question précise. Le résultat peut être une réponse concise ou une synthèse organisée plutôt qu’une transcription complète de chaque mot.\n\nPour résumer une réunion, fournissez l’enregistrement et définissez les champs : sujets, décisions explicitement énoncées et actions de suivi. Ne demandez noms ou dates que s’ils sont réellement mentionnés, et séparez les détails non résolus des décisions. Pour un entretien, demandez la réponse à une question particulière et le contexte permettant de la comprendre. Ces formats relient la tâche audio à un document exploitable ensuite.\n\nContexte, durée et langues\n\nLe concepteur documente un contexte de 32 k tokens et des enregistrements jusqu’à 30 minutes pour la transcription ou 40 minutes pour la compréhension. Les deux durées ont des périmètres distincts. Choisissez l’opération avant l’enregistrement et incluez instruction textuelle et conversation dans la planification du contexte. Un long enregistrement et une longue réponse écrite consomment tous deux des ressources ; la durée annoncée n’est pas une promesse séparée de réponse illimitée.\n\nLa publication cite l’anglais, l’espagnol, le français, le portugais, l’hindi, l’allemand, le néerlandais et l’italien parmi les principales langues et propose la détection automatique. Pour traduire la parole, définissez la langue finale et les termes à conserver. Pour une question sur un audio dans une langue, distinguez langue de l’enregistrement et langue de la réponse.\n\nPlusieurs enregistrements et questions complémentaires\n\nLa fiche permet plusieurs entrées audio dans un message et de l’audio dans plusieurs tours utilisateur. Donnez un identifiant et un rôle à chaque enregistrement lors des comparaisons. Une requête pratique peut comparer deux versions d’une explication orale, demander quelles conditions ont changé et renvoyer un tableau avec une colonne par enregistrement. Les identifiants associent les constats à la bonne source.\n\nUn échange complémentaire peut conserver la question et la réponse antérieures tout en demandant un détail plus ciblé ou en fournissant un autre enregistrement. Par exemple, demandez d’abord les décisions d’une discussion, puis celle liée à une exigence précise. La même version montre aussi les requêtes textuelles seules et audio seules. Sa base textuelle traite la question ou le résultat écrit, tandis que l’audio fournit les éléments issus de la parole.\n\nFonctions pilotées par la voix\n\nLe concepteur décrit les appels de fonctions à partir d’une intention parlée et qualifie d’expérimental le support montré dans la fiche. L’application définit une fonction et ses arguments, le modèle prépare l’appel à partir de la demande, puis l’application l’exécute et fournit le résultat. Une recherche vocale peut ainsi renvoyer une réponse écrite à partir d’un outil connecté. L’appel de fonction ne signifie pas que le modèle possède automatiquement le service externe ou réalise une action en la nommant.\n\nGardez explicites la finalité de la fonction et les informations requises. Si l’enregistrement demande une opération sans valeur obligatoire, l’application doit toujours obtenir cette valeur pour l’exécuter. Séparez demande parlée, arguments proposés et résultat renvoyé pour que la réponse suivante se réfère à l’issue réelle.\n\nRéglages recommandés et périmètre utile\n\nPour la compréhension audio et la complétion de dialogue, la fiche recommande une température de 0,2 et top-p à 0.95. Pour la transcription, elle recommande une température de 0,0. Elle précise que les prompts système ne sont pas pris en charge dans ce processus publié : placez donc tâche et exigences de réponse dans l’entrée utilisateur plutôt que de transférer une convention système d’un autre modèle Mistral.\n\nChoisissez un enregistrement contenant les éléments pertinents, avec une parole audible claire, et précisez s’il faut une transcription, traduction, réponse ou synthèse. La sortie documentée est du texte. Une réponse parlée nécessite un composant de synthèse vocale ; l’identification de locuteurs, une diarisation détaillée ou les horodatages mot à mot ne doivent pas être déduits de la compréhension audio générale de cette version exacte.\n\nLes exemples de génération de 500 tokens ne sont pas une capacité maximale de sortie déclarée séparément. Préservez l’édition 2507, les durées propres à la tâche et la langue d’entrée pour préparer un processus répétable. Le livrable final utile est le texte demandé, lié à l’enregistrement et formaté pour l’étape documentaire ou applicative suivante.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
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 est un modèle de texte et d’audio pour la transcription, la traduction de parole, les questions et les résumés. Le concepteur documente un contexte de 32 k tokens, jusqu’à 30 minutes pour la transcription ou 40 minutes pour la compréhension, plusieurs entrées audio et des résultats textuels.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Voxtral Small 1.0 24B 2507 ajoute l’entrée audio et la compréhension de la parole à une base linguistique Mistral Small. Il accepte audio et texte et renvoie du texte, notamment une transcription, une réponse sur l’enregistrement, une traduction ou un résumé structuré. Cette édition de compréhension vocale 24B est distincte de Voxtral Mini, des variantes de service optimisées pour la transcription et des versions ultérieures de génération vocale ou de temps réel.
Transcription et compréhension audio
Le modèle possède un mode dédié à la transcription pure. Le concepteur indique qu’il prédit automatiquement la langue source par défaut et transcrit en conséquence. Utilisez-le lorsque le livrable souhaité est la formulation prononcée elle-même plutôt qu’une interprétation ou synthèse. Précisez s’il faut conserver la langue originale ou ajouter une traduction demandée séparément.
La compréhension audio permet de poser directement une question sur un enregistrement sans enchaîner au préalable un modèle distinct de reconnaissance vocale puis un modèle textuel. Une requête peut demander le sujet discuté, la décision formulée ou l’information répondant à une question précise. Le résultat peut être une réponse concise ou une synthèse organisée plutôt qu’une transcription complète de chaque mot.
Pour résumer une réunion, fournissez l’enregistrement et définissez les champs : sujets, décisions explicitement énoncées et actions de suivi. Ne demandez noms ou dates que s’ils sont réellement mentionnés, et séparez les détails non résolus des décisions. Pour un entretien, demandez la réponse à une question particulière et le contexte permettant de la comprendre. Ces formats relient la tâche audio à un document exploitable ensuite.
Contexte, durée et langues
Le concepteur documente un contexte de 32 k tokens et des enregistrements jusqu’à 30 minutes pour la transcription ou 40 minutes pour la compréhension. Les deux durées ont des périmètres distincts. Choisissez l’opération avant l’enregistrement et incluez instruction textuelle et conversation dans la planification du contexte. Un long enregistrement et une longue réponse écrite consomment tous deux des ressources ; la durée annoncée n’est pas une promesse séparée de réponse illimitée.
La publication cite l’anglais, l’espagnol, le français, le portugais, l’hindi, l’allemand, le néerlandais et l’italien parmi les principales langues et propose la détection automatique. Pour traduire la parole, définissez la langue finale et les termes à conserver. Pour une question sur un audio dans une langue, distinguez langue de l’enregistrement et langue de la réponse.
Plusieurs enregistrements et questions complémentaires
La fiche permet plusieurs entrées audio dans un message et de l’audio dans plusieurs tours utilisateur. Donnez un identifiant et un rôle à chaque enregistrement lors des comparaisons. Une requête pratique peut comparer deux versions d’une explication orale, demander quelles conditions ont changé et renvoyer un tableau avec une colonne par enregistrement. Les identifiants associent les constats à la bonne source.
Un échange complémentaire peut conserver la question et la réponse antérieures tout en demandant un détail plus ciblé ou en fournissant un autre enregistrement. Par exemple, demandez d’abord les décisions d’une discussion, puis celle liée à une exigence précise. La même version montre aussi les requêtes textuelles seules et audio seules. Sa base textuelle traite la question ou le résultat écrit, tandis que l’audio fournit les éléments issus de la parole.
Fonctions pilotées par la voix
Le concepteur décrit les appels de fonctions à partir d’une intention parlée et qualifie d’expérimental le support montré dans la fiche. L’application définit une fonction et ses arguments, le modèle prépare l’appel à partir de la demande, puis l’application l’exécute et fournit le résultat. Une recherche vocale peut ainsi renvoyer une réponse écrite à partir d’un outil connecté. L’appel de fonction ne signifie pas que le modèle possède automatiquement le service externe ou réalise une action en la nommant.
Gardez explicites la finalité de la fonction et les informations requises. Si l’enregistrement demande une opération sans valeur obligatoire, l’application doit toujours obtenir cette valeur pour l’exécuter. Séparez demande parlée, arguments proposés et résultat renvoyé pour que la réponse suivante se réfère à l’issue réelle.
Réglages recommandés et périmètre utile
Pour la compréhension audio et la complétion de dialogue, la fiche recommande une température de 0,2 et top-p à 0.95. Pour la transcription, elle recommande une température de 0,0. Elle précise que les prompts système ne sont pas pris en charge dans ce processus publié : placez donc tâche et exigences de réponse dans l’entrée utilisateur plutôt que de transférer une convention système d’un autre modèle Mistral.
Choisissez un enregistrement contenant les éléments pertinents, avec une parole audible claire, et précisez s’il faut une transcription, traduction, réponse ou synthèse. La sortie documentée est du texte. Une réponse parlée nécessite un composant de synthèse vocale ; l’identification de locuteurs, une diarisation détaillée ou les horodatages mot à mot ne doivent pas être déduits de la compréhension audio générale de cette version exacte.
Les exemples de génération de 500 tokens ne sont pas une capacité maximale de sortie déclarée séparément. Préservez l’édition 2507, les durées propres à la tâche et la langue d’entrée pour préparer un processus répétable. Le livrable final utile est le texte demandé, lié à l’enregistrement et formaté pour l’étape documentaire ou applicative suivante.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites mistralai/voxtral-small-24b-2507 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
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 | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0006 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0006 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Utilisez les chemins de méthode indiqués ci-dessus.
mistralai/voxtral-small-24b-2507Voxtral Small 1.0 24B 2507 est un modèle de texte et d’audio pour la transcription, la traduction de parole, les questions et les résumés. Le concepteur documente un contexte de 32 k tokens, jusqu’à 30 minutes pour la transcription ou 40 minutes pour la compréhension, plusieurs entrées audio et des résultats textuels.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Voxtral Small 1.0 24B 2507 ajoute l’entrée audio et la compréhension de la parole à une base linguistique Mistral Small. Il accepte audio et texte et renvoie du texte, notamment une transcription, une réponse sur l’enregistrement, une traduction ou un résumé structuré. Cette édition de compréhension vocale 24B est distincte de Voxtral Mini, des variantes de service optimisées pour la transcription et des versions ultérieures de génération vocale ou de temps réel.
Transcription et compréhension audio
Le modèle possède un mode dédié à la transcription pure. Le concepteur indique qu’il prédit automatiquement la langue source par défaut et transcrit en conséquence. Utilisez-le lorsque le livrable souhaité est la formulation prononcée elle-même plutôt qu’une interprétation ou synthèse. Précisez s’il faut conserver la langue originale ou ajouter une traduction demandée séparément.
La compréhension audio permet de poser directement une question sur un enregistrement sans enchaîner au préalable un modèle distinct de reconnaissance vocale puis un modèle textuel. Une requête peut demander le sujet discuté, la décision formulée ou l’information répondant à une question précise. Le résultat peut être une réponse concise ou une synthèse organisée plutôt qu’une transcription complète de chaque mot.
Pour résumer une réunion, fournissez l’enregistrement et définissez les champs : sujets, décisions explicitement énoncées et actions de suivi. Ne demandez noms ou dates que s’ils sont réellement mentionnés, et séparez les détails non résolus des décisions. Pour un entretien, demandez la réponse à une question particulière et le contexte permettant de la comprendre. Ces formats relient la tâche audio à un document exploitable ensuite.
Contexte, durée et langues
Le concepteur documente un contexte de 32 k tokens et des enregistrements jusqu’à 30 minutes pour la transcription ou 40 minutes pour la compréhension. Les deux durées ont des périmètres distincts. Choisissez l’opération avant l’enregistrement et incluez instruction textuelle et conversation dans la planification du contexte. Un long enregistrement et une longue réponse écrite consomment tous deux des ressources ; la durée annoncée n’est pas une promesse séparée de réponse illimitée.
La publication cite l’anglais, l’espagnol, le français, le portugais, l’hindi, l’allemand, le néerlandais et l’italien parmi les principales langues et propose la détection automatique. Pour traduire la parole, définissez la langue finale et les termes à conserver. Pour une question sur un audio dans une langue, distinguez langue de l’enregistrement et langue de la réponse.
Plusieurs enregistrements et questions complémentaires
La fiche permet plusieurs entrées audio dans un message et de l’audio dans plusieurs tours utilisateur. Donnez un identifiant et un rôle à chaque enregistrement lors des comparaisons. Une requête pratique peut comparer deux versions d’une explication orale, demander quelles conditions ont changé et renvoyer un tableau avec une colonne par enregistrement. Les identifiants associent les constats à la bonne source.
Un échange complémentaire peut conserver la question et la réponse antérieures tout en demandant un détail plus ciblé ou en fournissant un autre enregistrement. Par exemple, demandez d’abord les décisions d’une discussion, puis celle liée à une exigence précise. La même version montre aussi les requêtes textuelles seules et audio seules. Sa base textuelle traite la question ou le résultat écrit, tandis que l’audio fournit les éléments issus de la parole.
Fonctions pilotées par la voix
Le concepteur décrit les appels de fonctions à partir d’une intention parlée et qualifie d’expérimental le support montré dans la fiche. L’application définit une fonction et ses arguments, le modèle prépare l’appel à partir de la demande, puis l’application l’exécute et fournit le résultat. Une recherche vocale peut ainsi renvoyer une réponse écrite à partir d’un outil connecté. L’appel de fonction ne signifie pas que le modèle possède automatiquement le service externe ou réalise une action en la nommant.
Gardez explicites la finalité de la fonction et les informations requises. Si l’enregistrement demande une opération sans valeur obligatoire, l’application doit toujours obtenir cette valeur pour l’exécuter. Séparez demande parlée, arguments proposés et résultat renvoyé pour que la réponse suivante se réfère à l’issue réelle.
Réglages recommandés et périmètre utile
Pour la compréhension audio et la complétion de dialogue, la fiche recommande une température de 0,2 et top-p à 0.95. Pour la transcription, elle recommande une température de 0,0. Elle précise que les prompts système ne sont pas pris en charge dans ce processus publié : placez donc tâche et exigences de réponse dans l’entrée utilisateur plutôt que de transférer une convention système d’un autre modèle Mistral.
Choisissez un enregistrement contenant les éléments pertinents, avec une parole audible claire, et précisez s’il faut une transcription, traduction, réponse ou synthèse. La sortie documentée est du texte. Une réponse parlée nécessite un composant de synthèse vocale ; l’identification de locuteurs, une diarisation détaillée ou les horodatages mot à mot ne doivent pas être déduits de la compréhension audio générale de cette version exacte.
Les exemples de génération de 500 tokens ne sont pas une capacité maximale de sortie déclarée séparément. Préservez l’édition 2507, les durées propres à la tâche et la langue d’entrée pour préparer un processus répétable. Le livrable final utile est le texte demandé, lié à l’enregistrement et formaté pour l’étape documentaire ou applicative suivante.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites mistralai/voxtral-small-24b-2507 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
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 | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0006 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0006 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "mistralai/voxtral-small-24b-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
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.