Mistral: Voxtral Mini 3B 2507

A Voxtral Mini 1.0 3B 2507 a Mistral AI kompakt szöveg- és hangértelmező modellje, a Ministral 3B nyelvimodell-családra építve. Beszédfelvételeket és szöveges utasításokat fogad, és szöveget állít elő, beleértve az átiratokat, fordításokat, hanggal kapcsolatos válaszokat és strukturált összefoglalókat. Az eredeti Voxtral-kiadás e 3B modellt kompakt vagy helyi alkalmazásokhoz ajánlja, a különálló 24B Voxtral Small modell mellett. Elkülönül a szolgáltató által üzemeltetett, átírásra optimalizált Voxtral Mini Transcribe szolgáltatástól is.

A modellnek dedikált átírási módja van, amely alapértelmezésben automatikusan megbecsüli a forrásnyelvet és ennek megfelelően ír át. Ezt a módot válaszd, ha a szükséges eredményanyag az elhangzott megfogalmazás. A hangértelmezés ezzel szemben közvetlen kérdést vagy összefoglalási kérést enged egy felvételről, külön beszédfelismerési szakasz és azt követő szöveges modell előírása nélkül. Egy interjú ezért teljes átiratot, fordítást vagy szűk kérdésre adott választ eredményezhet; add meg, melyik szükséges, hogy e különböző feladatok ne váljanak egyetlen kétértelmű feladatleírássá.

A pontos kiadási kártya 32 ezer tokenes kontextust és legfeljebb 30 perces hangot sorol fel átíráshoz, illetve 40 perceset értelmezéshez. Ezek eltérő, feladatspecifikus időtartamállítások, nem minden műveletre közös hangkeret. A releváns felvételt, utasításokat és beszélgetést tartsd a tervezett feladat hatókörén belül. A gyártó megnevezett nyelvei az angol, spanyol, francia, portugál, hindi, német, holland és olasz, automatikus nyelvfelismeréssel. Fordításnál vagy válasznál különböztesd meg a felvétel nyelvét a kívánt kimeneti nyelvtől.

Több hangbemenet egy üzenetben és hang több felhasználói fordulón át is támogatott. Összehasonlításnál minden felvételnek adj egyértelmű azonosítót. Önálló példa lehet két elhangzott magyarázat összevetése és a változó követelmények visszaadása, forrásonként külön oszlopban. További kérdés egy megállapítás részletére kérdezhet, vagy újabb felvételt adhat. A kártya csak szöveges és csak hangos használatot is bemutat, így a modell az írott kérdéssel és a beszédbizonyítékkal egyaránt dolgozhat.

Megbeszélési összefoglalóhoz add meg a felvételt, és kérj hasznos szerkezetet, például témákat, kimondott döntéseket és követő műveleteket. A bizonytalan neveket, dátumokat vagy felelősségeket tartsd külön az egyértelműen elhangzó tényektől. Interjúnál kérd az adott kérdést megválaszoló állítást és elegendő környező kontextust az érthetőségéhez. Ezek használható szöveges anyagra irányuló feladattervek; nem teszik az általános hangértelmezést a beszélőszétválasztás, szószintű időbélyegek vagy név nélküli beszélő azonosításának garanciájává.

A gyártó szóbeli szándékból történő függvényhívást ír le. Ilyen munkafolyamatban az alkalmazás függvénydefiníciókat ad meg, a modell javasolja a releváns hívást és argumentumokat, az alkalmazás pedig végrehajtja és visszaadja a megfigyelést. Hangkérés ezért irányíthat lekérdezést vagy más eszközzel támogatott feladatot, de a modell javasolt hívása elkülönül a végrehajtott művelettől. A beszélgetés folytatásakor őrizd meg a ténylegesen visszaadott eredményt, hogy egy későbbi válasz a történteket tükrözze, ne a kérést.

A kiadott használati kártya átíráshoz 0.0 temperature értéket, hangértelmezéshez és társalgáshoz pedig 0.2 temperature és 0.95 top_p értéket ajánl. Kijelenti, hogy a rendszerpromptok ebben a folyamatban nem támogatottak, ezért a feladatot és válaszkövetelményeket a felhasználói bemenetbe tedd. Példái a felvételeket hangbemenetté dekódolják, és MP3-anyagot tartalmaznak, de nem állapítanak meg teljes kodeklistát vagy külön, szigorú maximális kimeneti hosszt. A példák 500 tokenes generálási beállítása példakeret marad.

Készíts elő a feladathoz releváns anyagot tartalmazó tiszta felvételt, és add meg, hogy eredeti megfogalmazásra, fordításra, válaszra vagy összefoglalóra van szükséged. A kártya több beszélgetést tartalmazó kötegelt következtetést is bemutat, amely gyártói használati minta, és elkülönül egy egyedi eredmény azonosságától. Őrizd meg a 3B 2507 kiadást és az átírás, illetve értelmezés eltérő időtartam-útmutatását; a későbbi Mini Transcribe 2 modell beszélőszétválasztása, 13 nyelvű változata és hosszabb felvételek támogatása külön gyártói funkciók.