Mistral: Voxtral Mini Transcribe

A Voxtral Mini Transcribe 2 a Mistral AI átírásközpontú Voxtral-kiadása, amelyet a gyártói modellkártya voxtral-mini-2602 néven azonosít. Felvételalapú kötegelt átírásra tervezték, nem az eredeti Voxtral Mini 3B modell tágabb kérdésmegválaszoló szerepére. A bemenet hang, az eredmény pedig átírt szöveg, opcionálisan beszélőcímkékkel és időzítési adatokkal kiegészítve. Gyakorlati alkalmazásai között megbeszélési átiratok, interjúelemzés, többszereplős hívások jegyzőkönyvei és felvett médiához igazított szövegek szerepelnek.

A gyártó beszélőszétválasztást és kezdő-/záróidőket dokumentál, hogy az átirat megmutathassa, ki mikor beszélt. A szószintű időbélyegek feliratkészítést, hangkeresést és egy szövegrészlet felvételbeli helyéhez igazítását támogatják. A gyártói útmutató szegmens- vagy szószintű időbélyeg-részletességet enged. Interjúhoz hasznos eredményanyag a beszélőkhöz rendelt, időzített részletsorozat; feliratelőkészítéshez a szavak vagy szegmensek időzítése későbbi feliratozási lépést irányíthat, ahelyett, hogy ezt az időzítést a puszta átiratszövegből kellene kikövetkeztetni.

A kontextusalapú irányítás legfeljebb 100 szót vagy kifejezést fogad, amelyek a nevek, szakkifejezések és szakterületi szókincs kívánt írásmódja felé terelik a modellt. A Mistral szerint e funkció angolra optimalizált, más nyelvek támogatása pedig kísérleti. A felvétel témájából készíts célzott szókincslistát egy oda nem tartozó szójegyzék helyett. Önálló példa lehet a műszaki megbeszélésben várható projektnevek és szakkifejezések megadása, majd e nevek írásmódjának ellenőrzése az elkészült átiratban.

Ez a kiadás tizenhárom nyelvet támogat: angolt, kínait, hindit, spanyolt, arabot, franciát, portugált, oroszt, németet, japánt, koreait, olaszt és hollandot. A gyártó zajtűrést és egy kérésben legfeljebb háromórás felvételeket is dokumentál. Ezek a Mini Transcribe 2 felvételes munkafolyamatához tartoznak; az eredeti 2507 hangértelmező modell kontextus- és időtartamállításai másik kiadást írnak le. Automatikus nyelvfelismerés elérhető, és az útmutató szerint az ismert hangnyelv kifejezett megadása javíthatja az átírás pontosságát.

A dokumentált gyártói munkafolyamatban a hang feltöltött fájlként, korábban feltöltött fájl azonosítójaként vagy hivatkozott felvételként adható meg. A kapcsolódó feltöltési bemutató MP3-, WAV-, M4A-, FLAC- és OGG-felvételeket fogad; a bemutatott feltöltési munkafolyamathoz e formátumok egyikét válaszd. A felvétel legyen dekódolható, és tartalmazza a releváns beszédet. Hosszú anyagnál őrizd meg az azonosítóját és az időbeli kiindulópontját, hogy későbbi részletei vagy módosításai is visszakövethetők legyenek a forráshoz.

Az átírási referencia szöveget és felismert nyelvet ad vissza, kérésre szegmensekkel, és külön dokumentál folyamatosan továbbított átírási eseményeket. A beszélőszétválasztás opcionális, alapértelmezése false. Az útmutató jelzi, hogy a timestamp_granularities és a kifejezett language beállítás jelenleg nem kompatibilis, ezért a kívánt időzítési munkafolyamatot vagy a kézi nyelvi támpontot válaszd a kombinálásuk helyett. A beszélőcímkézett átírást, szókincsalapú irányítást és időzítést a kívánt eredmény szerint kell kiválasztani, nem egy alapkérelemből feltételezni.

Az egymásra beszélés érdemi korlát: a Mistral szerint a modell jellemzően egyetlen beszélőt ír át, amikor a beszélők átfedik egymást. A címkézett átirat ezért nem kezelhető minden egyidejű megszólalás teljes feljegyzéseként. Megbeszélési jegyzőkönyvnél a nehéz átfedéseket és fontos neveket vagy számokat ellenőrizd a felvétel alapján. A modell célja átírás; összefoglaló, fordítás vagy elemzés külön, az átiratra épülő feladat lehet. A Voxtral Realtime külön élőátírási késleltetési jellemzőkkel rendelkezik, a beszédgenerálás pedig más modellekhez tartozik.

Készítsd elő az eredményt a következő felhasználásához. Megbeszélési munkafolyamat megőrizheti az átiratot, beszélőcímkéket és időzítést, mielőtt külön szakasz döntéseket nyer ki; médiamunkafolyamat az időzítéssel kereshet meg részleteket és készíthet felirattervet; terminológiában gazdag felvételhez célzott kontextusirányítási lista és a keletkező írásmódok ellenőrzése társulhat. A hasznos eredmény a forrásfelvételéhez és beállított metaadataihoz kötött szöveg, e számozott átírási kiadást az eredeti Mini modelltől és a frissülő latest-nevektől külön tartva.