Mistral: Voxtral Small 24B 2507 STT
Voxtral Small 1.0 24B 2507 הוא מודל לטקסט ולשמע לתמלול, לתרגום דיבור, לשאלות ולסיכומים. היצרן מתעד הקשר של 32k, עד 30 דקות לתמלול או 40 דקות להבנה, קלטי שמע מרובים ותוצאות טקסט.
על המודל
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Voxtral Small 1.0 24B 2507 מוסיף קלט שמע והבנת דיבור לתשתית מודל השפה Mistral Small. הוא מקבל שמע וטקסט ומחזיר טקסט, לרבות תמליל, תשובה על ההקלטה, תרגום או סיכום מובנה. זוהי מהדורת הבנת הדיבור הנקובה בשם 24B, הנבדלת מ־Voxtral Mini, מווריאנטים של שירות המותאמים לתמלול ומגרסאות Voxtral מאוחרות יותר להפקת דיבור או לזמן אמת.
תמלול והבנת שמע
למודל יש מצב ייעודי לתמלול בלבד. היצרן מציין שכברירת מחדל הוא חוזה אוטומטית את שפת שמע המקור ומתמלל בהתאם. השתמשו במצב זה כאשר התוצר הרצוי הוא הניסוח שנאמר עצמו, ולא פרשנות או סיכום. ציינו אם התוצאה צריכה לשמר את השפה המקורית או להיות מלווה בתרגום שהתבקש בנפרד.
הבנת שמע מאפשרת לשאול שאלה ישירות על הקלטה, בלי לשרשר תחילה מודל זיהוי דיבור נפרד ומודל טקסט. בקשה יכולה לשאול באיזה נושא דנו, איזו החלטה נאמרה או איזה מידע בהקלטה עונה על שאלה מסוימת. התוצאה יכולה להיות תשובה תמציתית או סיכום מאורגן, ולא תמליל מלא של כל מילה שנאמרה.
לסיכום פגישה, ספקו את ההקלטה והגדירו את השדות שיש להחזיר: נושאים, החלטות שנאמרו במפורש ופעולות המשך. בקשו שמות או תאריכים רק כשההקלטה אכן מציינת אותם, ושמרו פרטים שטרם נפתרו בנפרד מההחלטות. לריאיון, בקשו את התשובה לשאלה מסוימת ואת ההקשר הסובב ההופך אותה למובנת. תכנוני הפלט האלה מחברים את משימת השמע למסמך שמישהו יוכל להשתמש בו לאחר מכן.
הקשר, משך ושפות
היצרן מתעד הקשר של 32k אסימונים ושמע באורך עד 30 דקות לתמלול או 40 דקות להבנה. לשני נתוני משך ההקלטה האלה יש תחומי משימה שונים. בחרו את הפעולה הרצויה לפני בחירת ההקלטה, וכללו את הוראת הטקסט ואת השיחה בתכנון ההקשר הזמין. הקלטה ארוכה ותשובה כתובה ארוכה צורכות שתיהן משאבים; הצהרת משך ההקלטה אינה הבטחה נפרדת לאורך תשובה בלתי מוגבל.
הגרסה מציינת אנגלית, ספרדית, צרפתית, פורטוגזית, הינדי, גרמנית, הולנדית ואיטלקית בין השפות הנתמכות העיקריות ומספקת זיהוי שפה אוטומטי. לתרגום דיבור, הגדירו את שפת היעד ואת המונחים שצריכים לשמור על צורתם המקורית. לשאלה על שמע בשפה אחת, הבחינו בין שפת ההקלטה לשפה שבה יש לכתוב את התשובה.
הקלטות מרובות ושאלות המשך
הכרטיס תומך בכמה קלטי שמע בהודעה ובשמע לאורך כמה תורי משתמש. תנו לכל הקלטה מזהה וציינו את תפקידה בהשוואה ביניהן. בקשה מעשית יכולה להשוות בין שתי גרסאות של הסבר מדובר, לשאול אילו תנאים השתנו ולהחזיר טבלה עם עמודה נפרדת לכל הקלטה. מזהים עוזרים לשמור את ממצאי המודל משויכים למקור הנכון.
בקשת המשך יכולה לשמר את השאלה והתשובה הקודמות ולבקש פרט ממוקד יותר או לספק הקלטה נוספת. למשל, בקשו תחילה את ההחלטות מדיון, ואז שאלו איזו החלטה קשורה לדרישה מסוימת. אותה גרסה מדגימה גם בקשות טקסט בלבד ושמע בלבד. תשתית הטקסט שלה יכולה לעבוד על השאלה או על התוצאה הכתובות, בעוד שיכולת השמע מספקת ראיות מהדיבור.
פונקציות המונחות בקול
היצרן מתאר קריאה לפונקציות מתוך כוונה מדוברת ומסמן את דוגמת הקריאה לפונקציות בכרטיס שפורסם כתמיכה ניסיונית. בתהליך הזה, היישום מגדיר פונקציה ואת הארגומנטים שלה, המודל מכין קריאה מתוך הבקשה והיישום מפעיל אותה ומספק את התוצאה. כך חיפוש מבוסס קול יכול להחזיר תשובה כתובה המשתמשת במידע מכלי מחובר. קריאה לפונקציות אינה אומרת שהמודל מחזיק אוטומטית בשירות החיצוני או מבצע פעולה רק משום שציין את שמה.
השאירו את מטרת הפונקציה ואת המידע הדרוש מפורשים. אם ההקלטה מבקשת פעולה אך משמיטה ערך נדרש, היישום עדיין זקוק לערך הזה כדי להפעיל את הפונקציה. הפרידו בין הבקשה המדוברת, הארגומנטים המוצעים והתוצאה המוחזרת, כדי שהתשובה הבאה תוכל להתייחס לתוצאת הפעולה בפועל.
הגדרות מומלצות וגבולות שימושיים
להבנת שמע ולהשלמת שיחה, הכרטיס ממליץ על temperature של 0.2 ועל top-p של 0.95. לתמלול, הוא ממליץ על temperature של 0.0. הוא מציין במפורש שהנחיות מערכת אינן נתמכות בתהליך השימוש שפורסם, ולכן הציבו את המשימה ואת דרישות התשובה בקלט המשתמש במקום להעביר מוסכמה של הנחיית מערכת ממודל Mistral אחר.
בחרו הקלטה המכילה את החומר הרלוונטי לשאלה, הקפידו שהדיבור הנשמע יהיה ברור וציינו אם התוצאה צריכה להיות תמליל, תרגום, תשובה או סיכום. הפלט המתועד הוא טקסט. תשובה מדוברת זקוקה לרכיב המרת טקסט לדיבור, ואין להסיק זיהוי דוברים, הפרדת דוברים מפורטת או חותמות זמן ברמת מילה מהטענה הכללית להבנת שמע בגרסה המדויקת הזאת.
דוגמאות היצירה של 500 אסימונים בכרטיס הן הגדרות דוגמה, ולא קיבולת פלט מרבית שצוינה בנפרד. שמרו את מהדורת 2507, את ההנחיות לגבי משך ההקלטה הייחודיות למשימה ואת שפת הקלט בהכנת תהליך עבודה שניתן לחזור עליו. התוצר הסופי השימושי הוא הטקסט שהתבקש, המקושר להקלטה ומעוצב עבור שלב המסמך או היישום הבא.
Ailoot Ultra · תמלול POST /v1/audio/transcriptions mistralai/voxtral-small-24b-2507-stt
mistralai/voxtral-small-24b-2507-stt
mistralai/voxtral-small-24b-2507-sttהתחלה
Voxtral Small 1.0 24B 2507 הוא מודל לטקסט ולשמע לתמלול, לתרגום דיבור, לשאלות ולסיכומים. היצרן מתעד הקשר של 32k, עד 30 דקות לתמלול או 40 דקות להבנה, קלטי שמע מרובים ותוצאות טקסט.
- סוגי קלט נתמכים
- שמע
- תוצאות
- טקסט
זמין ב-Ailoot · קלט ושיטות
Ailoot Ultra · תמלול POST /v1/audio/transcriptions
- סוגי קלט
audio- סוגי פלט
text
| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות mistralai/voxtral-small-24b-2507-stt | ברירת מחדל— |
שדהinput_audio | סוגobject | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהlanguage | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות מינימום: 0 מקסימום: 1 | ברירת מחדל— |
שדהresponse_format | סוגstring | דרישהרשות | ערכים ומגבלות json, verbose_json | ברירת מחדלjson |
שדהtimestamp_granularities | סוגarray | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
פרמטרים ומחזור חיים של השיטה
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, input_audio |
פרמטרmaterial_types | מפרטaudio |
פרמטרmaterial_conditions | מפרטקראו קובץ WAV ממשי וקודדו את הבתים האמיתיים שלו עבור קלט ה־JSON input_audio שהוצהר; לא מוצג נתיב multipart להצהרה המדויקת הזו, התומכת ב־JSON בלבד. |
מחזור חיים: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · ערך task_id שהוחזר בפועל או רשומה בספריית המדיה
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
תעריפים
אופן חישוב החיוב הסופי
התעריפים המוצגים מספקים אומדן לעלות לפני היצירה. החיוב הסופי מחושב לפי העלות שנרשמה עבור היצירה המקורית. משך הפלט שנמדד והכמויות החזויות אינם הכמות הסופית לחיוב.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
- מצב מהיר
- לא צוין כאשר נבחר מצב מהיר
- מצב Flex
- לא צוין כאשר נבחר מצב flex
- מאמץ חשיבה מרבי
- לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)
תעריפים משוערים להשוואה
מחירים לפי תצורה
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | כמות חזויה | יחידת חיוב | חיוב |
|---|---|---|---|---|
| תצורהתעריפי בסיס לטוקנים | טבלת תעריפיםתעריף בסיס | כמות חזויה— | יחידת חיוב— | חיוב קלט · טוקני קלט · אומדן להשוואה בלבד — / 1K טוקנים פלט · טוקני פלט · אומדן להשוואה בלבד — / 1K טוקנים קלט · קריאה מהמטמון · אומדן להשוואה בלבד — / 1K טוקנים קלט · כתיבה למטמון · אומדן להשוואה בלבד — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה · אומדן להשוואה בלבד — / 1K טוקנים |
| תצורהשניית שמע בקלט | טבלת תעריפים— | כמות חזויה— | יחידת חיובלכל שניית שמע בקלט | חיוב קלט · שניית שמע בקלט · אומדן להשוואה בלבד $0.0001 לכל שניית שמע בקלט |
| תצורהעלות יצירה משוערת | טבלת תעריפים— | כמות חזויהאומדן ליצירה אחת | יחידת חיוב— | חיוב פלט · עלות יצירה משוערת · אומדן להשוואה בלבד $0.0001 אומדן לפני היצירה אומדן זה אינו חיוב נוסף או תעריף קבוע עבור היצירה שהושלמה. |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
דוגמאות לבקשות
Ailoot Ultra · תמלול
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'mistralai/voxtral-small-24b-2507-stt', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}
request['input_audio']['data']=base64.b64encode(audio).decode('ascii')
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
קבלה ושמירה של תוצאות
Ailoot Ultra · תמלול
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
קריאות תוכן נוספות
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
-H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.
שמירת כל התוצאות שהושלמו
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את התשובה המלאה ואת הכותרות, כל פלט שהתקבל בפועל, את המזהים המקוריים שהוחזרו ואת כל שדות השימוש. שחזרו את הפעולה המקורית בלי לשלוח שוב בקשת יצירה.
כשצריך לבדוק את התגובה המקורית
שמרו את X-Client-Request-ID שהוחזר לצורך התאמת רישומים. קראו רק ערכי task_id/asset_id שהוחזרו בפועל או את ספריית המדיה שבבעלותכם; לעולם אל תבנו URL של משימה ממזהה הפעולה ואל תשלחו שוב בקשת יצירה.
שדות התגובה
| שדה | סוג |
|---|---|
שדהtext | סוג |
שדהusage | סוג |
שדהsegments[] | סוג |
שדהwords[] | סוג |
שדהspeaker fields | סוג |
שדהtimestamps | סוג |
כינויים
כינויים למודל
Ailoot Ultra mistralai/voxtral-small-24b-2507-stt
כינויים לנתיבי שיטות
השתמשו בנתיבי השיטות המוצגים למעלה.
מזהי מודלים קשורים IDs
FAQ · Mistral: Voxtral Small 24B 2507 STT
- אילו קלטים ותוצאות זמינים?
POST /v1/audio/transcriptions·mistralai/voxtral-small-24b-2507-stt:audio→text- באילו שדות הבקשה משתמשת?
POST /v1/audio/transcriptions·mistralai/voxtral-small-24b-2507-stt:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- אילו מגבלות חלות?
POST /v1/audio/transcriptions·mistralai/voxtral-small-24b-2507-stt:temperature.minimum:0;temperature.maximum:1