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 questions-réponses du modèle Voxtral Mini 3B initial. L’entrée est audio et le résultat est un texte transcrit, enrichi facultativement de libellés 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 temps de début et de fin afin qu’une transcription puisse montrer qui a parlé et quand. Les horodatages mot à mot soutiennent les sous-titres, la recherche audio et l’alignement entre un passage textuel et sa position dans un enregistrement. Le guide du producteur permet une granularité d’horodatage par segment ou par mot. Pour un entretien, un livrable utile est une suite de passages attribués avec leurs temps ; pour la préparation de sous-titres, les temps des mots ou segments peuvent guider une étape ultérieure de sous-titrage plutôt que d’imposer leur déduction à partir d’un texte brut.
L’orientation contextuelle accepte jusqu’à 100 mots ou expressions qui guident le modèle vers l’orthographe souhaitée des noms, des termes techniques et du vocabulaire 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 de vocabulaire à partir du sujet de l’enregistrement plutôt qu’un glossaire sans rapport. Un exemple original consisterait à fournir les noms de projets et les termes spécialisés susceptibles d’apparaître dans une discussion technique, puis à vérifier ces orthographes 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 allant jusqu’à 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 initial de compréhension audio 2507 décrivent une autre publication. La détection automatique de langue est disponible, et le guide indique que fournir explicitement une langue audio connue peut améliorer la précision de transcription.
Dans le processus documenté du producteur, l’audio peut être fourni sous forme de fichier téléversé, d’identifiant de fichier déjà téléversé ou d’enregistrement référencé. La démonstration de téléversement correspondante accepte les enregistrements MP3, WAV, M4A, FLAC et OGG ; choisissez l’un de ces formats pour le processus de téléversement démontré. Gardez l’enregistrement décodable et incluez la parole pertinente. Pour des contenus longs, conservez l’identifiant et l’origine temporelle afin que les extraits ou modifications ultérieurs puissent encore être rattachés à la source.
La référence de transcription renvoie le texte et la langue détectée, avec des segments lorsqu’ils sont demandés, et documente séparément les événements de transcription diffusés progressivement. La diarisation est facultative et vaut false par défaut. Le guide précise que timestamp_granularities et un réglage explicite de language 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 libellés de locuteurs, l’orientation du vocabulaire et les temps doivent être sélectionnés selon le résultat prévu plutôt que supposés dans une demande de base.
La parole superposée est une limite de fond : Mistral indique que le modèle transcrit généralement un seul locuteur lorsque plusieurs parlent en même temps. Une transcription attribuée ne doit donc pas être traitée comme un relevé exhaustif de chaque énoncé simultané. Pour un compte rendu de réunion, revoyez les superpositions difficiles et les noms ou chiffres importants dans l’enregistrement. Le modèle vise la transcription ; un résumé, une traduction ou une analyse peuvent constituer une tâche séparée fondée sur celle-ci. Voxtral Realtime possède un profil distinct de latence de transcription en direct, tandis que la génération vocale appartient à d’autres modèles.
Préparez le résultat pour son usage suivant. Un processus de réunion peut conserver la transcription, les libellés de locuteurs et les temps avant qu’une étape séparée extraie les décisions ; un processus média peut utiliser les temps 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 des orthographes obtenues. Le livrable utile est un texte relié à son enregistrement source et aux métadonnées configurées, avec cette édition de transcription numérotée gardée distincte du modèle Mini initial 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 questions-réponses du modèle Voxtral Mini 3B initial. L’entrée est audio et le résultat est un texte transcrit, enrichi facultativement de libellés 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 temps de début et de fin afin qu’une transcription puisse montrer qui a parlé et quand. Les horodatages mot à mot soutiennent les sous-titres, la recherche audio et l’alignement entre un passage textuel et sa position dans un enregistrement. Le guide du producteur permet une granularité d’horodatage par segment ou par mot. Pour un entretien, un livrable utile est une suite de passages attribués avec leurs temps ; pour la préparation de sous-titres, les temps des mots ou segments peuvent guider une étape ultérieure de sous-titrage plutôt que d’imposer leur déduction à partir d’un texte brut.\n\nL’orientation contextuelle accepte jusqu’à 100 mots ou expressions qui guident le modèle vers l’orthographe souhaitée des noms, des termes techniques et du vocabulaire 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 de vocabulaire à partir du sujet de l’enregistrement plutôt qu’un glossaire sans rapport. Un exemple original consisterait à fournir les noms de projets et les termes spécialisés susceptibles d’apparaître dans une discussion technique, puis à vérifier ces orthographes 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 allant jusqu’à 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 initial de compréhension audio 2507 décrivent une autre publication. La détection automatique de langue est disponible, et le guide indique que fournir explicitement une langue audio connue peut améliorer la précision de transcription.\n\nDans le processus documenté du producteur, l’audio peut être fourni sous forme de fichier téléversé, d’identifiant de fichier déjà téléversé ou d’enregistrement référencé. La démonstration de téléversement correspondante accepte les enregistrements MP3, WAV, M4A, FLAC et OGG ; choisissez l’un de ces formats pour le processus de téléversement démontré. Gardez l’enregistrement décodable et incluez la parole pertinente. Pour des contenus longs, conservez l’identifiant et l’origine temporelle afin que les extraits ou modifications ultérieurs puissent encore être rattachés à la source.\n\nLa référence de transcription renvoie le texte et la langue détectée, avec des segments lorsqu’ils sont demandés, et documente séparément les événements de transcription diffusés progressivement. La diarisation est facultative et vaut false par défaut. Le guide précise que timestamp_granularities et un réglage explicite de language 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 libellés de locuteurs, l’orientation du vocabulaire et les temps doivent être sélectionnés selon le résultat prévu plutôt que supposés dans une demande de base.\n\nLa parole superposée est une limite de fond : Mistral indique que le modèle transcrit généralement un seul locuteur lorsque plusieurs parlent en même temps. Une transcription attribuée ne doit donc pas être traitée comme un relevé exhaustif de chaque énoncé simultané. Pour un compte rendu de réunion, revoyez les superpositions difficiles et les noms ou chiffres importants dans l’enregistrement. Le modèle vise la transcription ; un résumé, une traduction ou une analyse peuvent constituer une tâche séparée fondée sur celle-ci. Voxtral Realtime possède un profil distinct de latence de transcription en direct, tandis que la génération vocale appartient à d’autres modèles.\n\nPréparez le résultat pour son usage suivant. Un processus de réunion peut conserver la transcription, les libellés de locuteurs et les temps avant qu’une étape séparée extraie les décisions ; un processus média peut utiliser les temps 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 des orthographes obtenues. Le livrable utile est un texte relié à son enregistrement source et aux métadonnées configurées, avec cette édition de transcription numérotée gardée distincte du modèle Mini initial et des noms latest évolutifs.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "83fb81a58e39e7fe987307ff626ae85593a375997e2ff647d0bcc339952a55c3", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ch", "methods": [ { "html": "mistralai/voxtral-mini-transcribeVoxtral Mini Transcribe 2 convertit les enregistrements en texte avec diarisation des locuteurs, horodatages mot à mot et orientation du vocabulaire. Mistral documente 13 langues et des enregistrements allant 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 est conçue pour la transcription par lots d’enregistrements plutôt que pour le rôle plus large de questions-réponses du modèle Voxtral Mini 3B initial. L’entrée est audio et le résultat est un texte transcrit, enrichi facultativement de libellés 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 temps de début et de fin afin qu’une transcription puisse montrer qui a parlé et quand. Les horodatages mot à mot soutiennent les sous-titres, la recherche audio et l’alignement entre un passage textuel et sa position dans un enregistrement. Le guide du producteur permet une granularité d’horodatage par segment ou par mot. Pour un entretien, un livrable utile est une suite de passages attribués avec leurs temps ; pour la préparation de sous-titres, les temps des mots ou segments peuvent guider une étape ultérieure de sous-titrage plutôt que d’imposer leur déduction à partir d’un texte brut.
L’orientation contextuelle accepte jusqu’à 100 mots ou expressions qui guident le modèle vers l’orthographe souhaitée des noms, des termes techniques et du vocabulaire 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 de vocabulaire à partir du sujet de l’enregistrement plutôt qu’un glossaire sans rapport. Un exemple original consisterait à fournir les noms de projets et les termes spécialisés susceptibles d’apparaître dans une discussion technique, puis à vérifier ces orthographes 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 allant jusqu’à 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 initial de compréhension audio 2507 décrivent une autre publication. La détection automatique de langue est disponible, et le guide indique que fournir explicitement une langue audio connue peut améliorer la précision de transcription.
Dans le processus documenté du producteur, l’audio peut être fourni sous forme de fichier téléversé, d’identifiant de fichier déjà téléversé ou d’enregistrement référencé. La démonstration de téléversement correspondante accepte les enregistrements MP3, WAV, M4A, FLAC et OGG ; choisissez l’un de ces formats pour le processus de téléversement démontré. Gardez l’enregistrement décodable et incluez la parole pertinente. Pour des contenus longs, conservez l’identifiant et l’origine temporelle afin que les extraits ou modifications ultérieurs puissent encore être rattachés à la source.
La référence de transcription renvoie le texte et la langue détectée, avec des segments lorsqu’ils sont demandés, et documente séparément les événements de transcription diffusés progressivement. La diarisation est facultative et vaut false par défaut. Le guide précise que timestamp_granularities et un réglage explicite de language 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 libellés de locuteurs, l’orientation du vocabulaire et les temps doivent être sélectionnés selon le résultat prévu plutôt que supposés dans une demande de base.
La parole superposée est une limite de fond : Mistral indique que le modèle transcrit généralement un seul locuteur lorsque plusieurs parlent en même temps. Une transcription attribuée ne doit donc pas être traitée comme un relevé exhaustif de chaque énoncé simultané. Pour un compte rendu de réunion, revoyez les superpositions difficiles et les noms ou chiffres importants dans l’enregistrement. Le modèle vise la transcription ; un résumé, une traduction ou une analyse peuvent constituer une tâche séparée fondée sur celle-ci. Voxtral Realtime possède un profil distinct de latence de transcription en direct, tandis que la génération vocale appartient à d’autres modèles.
Préparez le résultat pour son usage suivant. Un processus de réunion peut conserver la transcription, les libellés de locuteurs et les temps avant qu’une étape séparée extraie les décisions ; un processus média peut utiliser les temps 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 des orthographes obtenues. Le livrable utile est un texte relié à son enregistrement source et aux métadonnées configurées, avec cette édition de transcription numérotée gardée distincte du modèle Mini initial 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 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 provenant d’un enregistrement multimédia 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 complet de la réponse d’origine, état et en-têtes transmis. Ce gestionnaire n’ajoute aucune structure JSON universelle, aucun champ 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 le X-Client-Request-ID réel et la réponse complète. Consultez les ressources d’origine dont vous êtes propriétaire et leurs liens de contenu signés exacts ; ne renvoyez jamais une demande de 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 indiqué dans 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 renvoyée. |
Réponse404 · not_found_error | ConditionLa méthode sélectionnée ne dispose d’aucune route autorisée. | Étape suivanteConservez les détails de l’erreur renvoyée. |
Réponse422 · price_unavailable | ConditionLe tarif accepté ne peut pas déterminer la quantité d’entrée requise ou sa borne. | 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 le renvoi de la demande. |
Réponse502 · server_error | ConditionLe résultat d’origine, la consommation ou la facturation définitive nécessite une vérification. | Étape suivanteConservez l’identifiant réel de la requête et la réponse d’origine. Consultez l’enregistrement existant dont vous êtes propriétaire ; ne renvoyez pas la demande de création. |
Ailoot Ultra mistralai/voxtral-mini-transcribe
Utilisez les chemins de méthode indiqués ci-dessus.