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 est conçue pour la transcription par lots d’enregistrements plutôt que pour le rôle plus large de question-réponse 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 pratiques 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 instants de début et de fin pour qu’une transcription montre qui a parlé et quand. Les horodatages mot par mot servent aux sous-titres, à la recherche audio et à l’alignement entre un passage textuel et sa position dans l’enregistrement. Le guide du producteur autorise une granularité temporelle par segment ou par mot. Pour un entretien, un livrable utile est une suite de passages attribués et horodatés; pour préparer des sous-titres, le minutage par mot ou segment peut guider une étape ultérieure plutôt que d’imposer sa déduction à partir du texte brut.
L’orientation contextuelle accepte jusqu’à 100 mots ou expressions guidant le modèle vers l’orthographe voulue des noms, termes techniques et vocabulaires métier. Mistral indique que cette fonction est optimisée pour l’anglais et que la prise en charge des autres langues est expérimentale. Préparez une liste ciblée issue du sujet de l’enregistrement plutôt qu’un glossaire sans rapport. Un exemple original pourrait fournir les noms de projets et les termes spécialisés susceptibles d’apparaître dans une discussion technique, puis vérifier leur orthographe dans la transcription terminée.
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 atteignant trois heures dans une seule requête. Ces propriétés appartiennent au processus d’enregistrement de Mini Transcribe 2; les indications de contexte et de durée du modèle original 2507 de compréhension audio décrivent une autre version. La détection automatique de langue est disponible, et le guide indique que fournir explicitement une langue audio connue peut améliorer l’exactitude de transcription.
Dans le processus documenté du producteur, l’audio peut être fourni comme fichier téléversé, identifiant d’un fichier précédemment téléversé ou enregistrement référencé. La démonstration de téléversement associée accepte les enregistrements MP3, WAV, M4A, FLAC et OGG; choisissez l’un de ces formats pour ce processus démontré. Gardez l’enregistrement décodable et incluez la parole pertinente. Pour les contenus longs, conservez l’identifiant et l’origine temporelle afin que les extraits ou modifications ultérieurs puissent être rattachés à la source.
La référence de transcription renvoie le texte et la langue détectée, avec des segments sur demande, et documente séparément les événements de transcription en continu. La diarisation est facultative et vaut false par défaut. Le guide note que timestamp_granularities et un réglage explicite de langue ne sont actuellement pas compatibles; choisissez donc le processus temporel souhaité ou l’indication manuelle de langue au lieu de les combiner. La transcription avec locuteurs, l’orientation du vocabulaire et les informations temporelles doivent être sélectionnées selon le résultat voulu plutôt que supposées présentes dans une requête de base.
La parole superposée constitue une limite de fond : Mistral indique que le modèle transcrit généralement un seul locuteur lorsque plusieurs parlent simultanément. Une transcription étiquetée ne doit donc pas être considérée comme un relevé exhaustif de tous les propos simultanés. Pour un compte rendu de réunion, vérifiez les superpositions difficiles et les noms ou chiffres importants contre l’enregistrement. La finalité du modèle est la transcription; résumé, traduction ou analyse peuvent constituer une tâche séparée fondée sur cette transcription. Voxtral Realtime possède un profil distinct de latence de transcription en direct, tandis que la génération de parole relève d’autres modèles.
Préparez le résultat pour son utilisation suivante. Un processus de réunion peut préserver transcription, étiquettes de locuteurs et minutage avant une étape séparée d’extraction des décisions; un processus média peut utiliser le minutage pour localiser des passages et préparer des sous-titres; un enregistrement riche en terminologie peut inclure la liste ciblée d’orientation contextuelle et une revue de l’orthographe obtenue. Le livrable utile est du texte lié à l’enregistrement source et aux métadonnées configurées, en gardant cette édition numérotée de transcription distincte 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 est conçue pour la transcription par lots d’enregistrements plutôt que pour le rôle plus large de question-réponse 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 pratiques 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 instants de début et de fin pour qu’une transcription montre qui a parlé et quand. Les horodatages mot par mot servent aux sous-titres, à la recherche audio et à l’alignement entre un passage textuel et sa position dans l’enregistrement. Le guide du producteur autorise une granularité temporelle par segment ou par mot. Pour un entretien, un livrable utile est une suite de passages attribués et horodatés; pour préparer des sous-titres, le minutage par mot ou segment peut guider une étape ultérieure plutôt que d’imposer sa déduction à partir du texte brut.\n\nL’orientation contextuelle accepte jusqu’à 100 mots ou expressions guidant le modèle vers l’orthographe voulue des noms, termes techniques et vocabulaires métier. Mistral indique que cette fonction est optimisée pour l’anglais et que la prise en charge des autres langues est expérimentale. Préparez une liste ciblée issue du sujet de l’enregistrement plutôt qu’un glossaire sans rapport. Un exemple original pourrait fournir les noms de projets et les termes spécialisés susceptibles d’apparaître dans une discussion technique, puis vérifier leur orthographe dans la transcription terminée.\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 atteignant trois heures dans une seule requête. Ces propriétés appartiennent au processus d’enregistrement de Mini Transcribe 2; les indications de contexte et de durée du modèle original 2507 de compréhension audio décrivent une autre version. La détection automatique de langue est disponible, et le guide indique que fournir explicitement une langue audio connue peut améliorer l’exactitude de transcription.\n\nDans le processus documenté du producteur, l’audio peut être fourni comme fichier téléversé, identifiant d’un fichier précédemment téléversé ou enregistrement référencé. La démonstration de téléversement associée accepte les enregistrements MP3, WAV, M4A, FLAC et OGG; choisissez l’un de ces formats pour ce processus démontré. Gardez l’enregistrement décodable et incluez la parole pertinente. Pour les contenus longs, conservez l’identifiant et l’origine temporelle afin que les extraits ou modifications ultérieurs puissent être rattachés à la source.\n\nLa référence de transcription renvoie le texte et la langue détectée, avec des segments sur demande, et documente séparément les événements de transcription en continu. La diarisation est facultative et vaut false par défaut. Le guide note que timestamp_granularities et un réglage explicite de langue ne sont actuellement pas compatibles; choisissez donc le processus temporel souhaité ou l’indication manuelle de langue au lieu de les combiner. La transcription avec locuteurs, l’orientation du vocabulaire et les informations temporelles doivent être sélectionnées selon le résultat voulu plutôt que supposées présentes dans une requête de base.\n\nLa parole superposée constitue une limite de fond : Mistral indique que le modèle transcrit généralement un seul locuteur lorsque plusieurs parlent simultanément. Une transcription étiquetée ne doit donc pas être considérée comme un relevé exhaustif de tous les propos simultanés. Pour un compte rendu de réunion, vérifiez les superpositions difficiles et les noms ou chiffres importants contre l’enregistrement. La finalité du modèle est la transcription; résumé, traduction ou analyse peuvent constituer une tâche séparée fondée sur cette transcription. Voxtral Realtime possède un profil distinct de latence de transcription en direct, tandis que la génération de parole relève d’autres modèles.\n\nPréparez le résultat pour son utilisation suivante. Un processus de réunion peut préserver transcription, étiquettes de locuteurs et minutage avant une étape séparée d’extraction des décisions; un processus média peut utiliser le minutage pour localiser des passages et préparer des sous-titres; un enregistrement riche en terminologie peut inclure la liste ciblée d’orientation contextuelle et une revue de l’orthographe obtenue. Le livrable utile est du texte lié à l’enregistrement source et aux métadonnées configurées, en gardant cette édition numérotée de transcription distincte du modèle Mini original et des noms latest évolutifs.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "802f2891f7eac9cd077b40c53292086ea16fb942d25ba8dbd47818cd7949419b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ca", "methods": [ { "html": "mistralai/voxtral-mini-transcribeVoxtral Mini Transcribe 2 convertit les enregistrements en texte avec diarisation des locuteurs, horodatages mot par mot et orientation du vocabulaire. Mistral documente 13 langues et des enregistrements atteignant 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 est conçue pour la transcription par lots d’enregistrements plutôt que pour le rôle plus large de question-réponse 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 pratiques 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 instants de début et de fin pour qu’une transcription montre qui a parlé et quand. Les horodatages mot par mot servent aux sous-titres, à la recherche audio et à l’alignement entre un passage textuel et sa position dans l’enregistrement. Le guide du producteur autorise une granularité temporelle par segment ou par mot. Pour un entretien, un livrable utile est une suite de passages attribués et horodatés; pour préparer des sous-titres, le minutage par mot ou segment peut guider une étape ultérieure plutôt que d’imposer sa déduction à partir du texte brut.
L’orientation contextuelle accepte jusqu’à 100 mots ou expressions guidant le modèle vers l’orthographe voulue des noms, termes techniques et vocabulaires métier. Mistral indique que cette fonction est optimisée pour l’anglais et que la prise en charge des autres langues est expérimentale. Préparez une liste ciblée issue du sujet de l’enregistrement plutôt qu’un glossaire sans rapport. Un exemple original pourrait fournir les noms de projets et les termes spécialisés susceptibles d’apparaître dans une discussion technique, puis vérifier leur orthographe dans la transcription terminée.
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 atteignant trois heures dans une seule requête. Ces propriétés appartiennent au processus d’enregistrement de Mini Transcribe 2; les indications de contexte et de durée du modèle original 2507 de compréhension audio décrivent une autre version. La détection automatique de langue est disponible, et le guide indique que fournir explicitement une langue audio connue peut améliorer l’exactitude de transcription.
Dans le processus documenté du producteur, l’audio peut être fourni comme fichier téléversé, identifiant d’un fichier précédemment téléversé ou enregistrement référencé. La démonstration de téléversement associée accepte les enregistrements MP3, WAV, M4A, FLAC et OGG; choisissez l’un de ces formats pour ce processus démontré. Gardez l’enregistrement décodable et incluez la parole pertinente. Pour les contenus longs, conservez l’identifiant et l’origine temporelle afin que les extraits ou modifications ultérieurs puissent être rattachés à la source.
La référence de transcription renvoie le texte et la langue détectée, avec des segments sur demande, et documente séparément les événements de transcription en continu. La diarisation est facultative et vaut false par défaut. Le guide note que timestamp_granularities et un réglage explicite de langue ne sont actuellement pas compatibles; choisissez donc le processus temporel souhaité ou l’indication manuelle de langue au lieu de les combiner. La transcription avec locuteurs, l’orientation du vocabulaire et les informations temporelles doivent être sélectionnées selon le résultat voulu plutôt que supposées présentes dans une requête de base.
La parole superposée constitue une limite de fond : Mistral indique que le modèle transcrit généralement un seul locuteur lorsque plusieurs parlent simultanément. Une transcription étiquetée ne doit donc pas être considérée comme un relevé exhaustif de tous les propos simultanés. Pour un compte rendu de réunion, vérifiez les superpositions difficiles et les noms ou chiffres importants contre l’enregistrement. La finalité du modèle est la transcription; résumé, traduction ou analyse peuvent constituer une tâche séparée fondée sur cette transcription. Voxtral Realtime possède un profil distinct de latence de transcription en direct, tandis que la génération de parole relève d’autres modèles.
Préparez le résultat pour son utilisation suivante. Un processus de réunion peut préserver transcription, étiquettes de locuteurs et minutage avant une étape séparée d’extraction des décisions; un processus média peut utiliser le minutage pour localiser des passages et préparer des sous-titres; un enregistrement riche en terminologie peut inclure la liste ciblée d’orientation contextuelle et une revue de l’orthographe obtenue. Le livrable utile est du texte lié à l’enregistrement source et aux métadonnées configurées, en gardant cette édition numérotée de transcription distincte 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 tous les octets du fichier en base64 et envoie 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 appartenant à votre compte
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 · Jetons en entrée — / 1K jetons Sortie · Jetons en sortie — / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| 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 et 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 le X-Client-Request-ID réel et la réponse complète. Consultez les ressources d’origine appartenant à votre compte et leurs URL exactes de contenu signées; 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’identifiant canonique explicite du modèle est invalide. | Étape suivanteConservez la réponse et corrigez le champ de demande indiqué. |
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 d’erreur retournés. |
Réponse404 · not_found_error | ConditionLa méthode sélectionnée ne possède aucune route autorisée. | Étape suivanteConservez les détails d’erreur retournés. |
Réponse422 · price_unavailable | ConditionLe tarif accepté ne peut pas obtenir la quantité d’entrée ou la borne dont il a besoin. | Étape suivanteConservez la réponse; utilisez la représentation d’entrée exigée par le tarif accepté. |
Réponse503 · | ConditionLe stockage, la route, le tarif de la méthode ou la réservation requis n’est pas disponible. | Étape suivanteConservez la réponse d’origine complète. Une réservation incertaine n’autorise pas une nouvelle soumission. |
Réponse502 · server_error | ConditionLe résultat d’origine, l’utilisation ou le règlement doit être vérifié. | Étape suivanteConservez l’identifiant réel de demande et la réponse d’origine. Consultez l’enregistrement existant appartenant à votre compte; ne soumettez pas de nouveau la demande de création. |
Ailoot Ultra mistralai/voxtral-mini-transcribe
Utilisez les chemins de méthode indiqués ci-dessus.