Voxtral Mini Transcribe 2 adalah edisi Voxtral dari Mistral AI yang berfokus pada transkripsi dan diidentifikasi dalam kartu model pembuatnya sebagai voxtral-mini-2602. Model ini dirancang untuk transkripsi batch berbasis rekaman, bukan peran tanya jawab yang lebih luas dari model Voxtral Mini 3B awal. Masukannya berupa audio dan hasilnya berupa teks transkripsi, yang secara opsional diperkaya dengan label pembicara dan informasi waktu. Penggunaan praktis mencakup transkrip rapat, analisis wawancara, catatan panggilan beberapa pihak, dan teks yang diselaraskan dengan media rekaman.
Pembuatnya mendokumentasikan diarisasi pembicara serta waktu mulai/akhir sehingga transkrip dapat menunjukkan siapa yang berbicara dan kapan. Cap waktu tingkat kata mendukung subtitel, pencarian audio, dan penyelarasan antara bagian teks dengan posisinya dalam rekaman. Panduan pembuatnya memperbolehkan granularitas cap waktu segmen atau kata. Untuk wawancara, artefak yang berguna adalah urutan bagian teks yang diatribusikan kepada pembicara beserta waktunya; untuk persiapan subtitel, waktu kata atau segmen dapat memandu tahap pemberian teks berikutnya alih-alih memaksa waktu tersebut disimpulkan dari teks transkrip biasa.
Bias konteks menerima hingga 100 kata atau frasa yang memandu model menuju ejaan yang dimaksud untuk nama, istilah teknis, dan kosakata khusus domain. Mistral menyatakan fitur ini dioptimalkan untuk bahasa Inggris dan dukungan dalam bahasa lain bersifat eksperimental. Siapkan daftar kosakata terarah dari topik rekaman alih-alih glosarium yang tidak terkait. Contoh asli dapat menyertakan nama proyek dan istilah khusus yang kemungkinan muncul dalam diskusi teknis, lalu memeriksa ejaan tersebut dalam transkrip yang telah selesai.
Edisi ini mendukung tiga belas bahasa: Inggris, Mandarin, Hindi, Spanyol, Arab, Prancis, Portugis, Rusia, Jerman, Jepang, Korea, Italia, dan Belanda. Pembuatnya juga mendokumentasikan ketahanan terhadap derau dan rekaman hingga tiga jam dalam satu permintaan. Ini merupakan sifat alur rekaman Mini Transcribe 2; pernyataan konteks dan durasi model pemahaman audio 2507 awal menjelaskan rilis yang berbeda. Deteksi bahasa otomatis tersedia, dan panduan menyatakan bahwa menyertakan bahasa audio yang sudah diketahui secara eksplisit dapat meningkatkan akurasi transkripsi.
Dalam alur pembuat yang terdokumentasi, audio dapat diberikan sebagai berkas yang diunggah, pengenal berkas yang telah diunggah sebelumnya, atau rekaman yang dirujuk. Demonstrasi unggahan yang menyertainya menerima rekaman MP3, WAV, M4A, FLAC, dan OGG; pilih salah satu format ini untuk alur unggahan yang didemonstrasikan. Pastikan rekaman dapat didekode dan memuat ucapan yang relevan. Untuk materi panjang, pertahankan pengenal dan titik acuan waktunya agar cuplikan atau penyuntingan berikutnya tetap dapat ditelusuri ke sumber.
Referensi transkripsi mengembalikan teks dan bahasa yang terdeteksi, dengan segmen jika diminta, serta secara terpisah mendokumentasikan peristiwa transkripsi streaming. Diarisasi bersifat opsional dan nilai bawaannya false. Panduan mencatat bahwa timestamp_granularities dan pengaturan language eksplisit saat ini tidak kompatibel, jadi pilih alur waktu yang diinginkan atau petunjuk bahasa manual alih-alih menggabungkannya. Transkripsi berlabel pembicara, bias kosakata, dan informasi waktu harus dipilih sesuai hasil yang dimaksud, bukan diasumsikan dari permintaan dasar.
Ucapan yang tumpang tindih merupakan keterbatasan substantif: Mistral menyatakan model biasanya mentranskripsikan satu pembicara ketika beberapa pembicara berbicara bersamaan. Karena itu, transkrip berlabel tidak boleh dianggap sebagai catatan lengkap setiap ucapan yang berlangsung serentak. Untuk catatan rapat, tinjau bagian tumpang tindih yang sulit serta nama atau angka penting terhadap rekaman. Tujuan model adalah transkripsi; ringkasan, terjemahan, atau analisis dapat menjadi tugas terpisah yang dibangun di atas transkrip tersebut. Voxtral Realtime memiliki karakter latensi transkripsi langsung tersendiri, sedangkan pembuatan ucapan merupakan kemampuan model lain.
Siapkan hasil untuk penggunaan berikutnya. Alur rapat dapat mempertahankan transkrip, label pembicara, dan waktu sebelum tahap terpisah mengekstrak keputusan; alur media dapat menggunakan informasi waktu untuk menemukan bagian teks dan menyusun draf teks layar; rekaman yang padat istilah dapat menyertakan daftar bias konteks yang terarah serta tinjauan ejaan hasilnya. Hasil kerja yang berguna adalah teks yang terkait dengan rekaman sumber dan metadata yang dikonfigurasi, dengan edisi transkripsi bernomor ini tetap dibedakan dari model Mini awal dan nama latest yang terus berubah.
", "aboutText": "Voxtral Mini Transcribe 2 adalah edisi Voxtral dari Mistral AI yang berfokus pada transkripsi dan diidentifikasi dalam kartu model pembuatnya sebagai voxtral-mini-2602. Model ini dirancang untuk transkripsi batch berbasis rekaman, bukan peran tanya jawab yang lebih luas dari model Voxtral Mini 3B awal. Masukannya berupa audio dan hasilnya berupa teks transkripsi, yang secara opsional diperkaya dengan label pembicara dan informasi waktu. Penggunaan praktis mencakup transkrip rapat, analisis wawancara, catatan panggilan beberapa pihak, dan teks yang diselaraskan dengan media rekaman.\n\nPembuatnya mendokumentasikan diarisasi pembicara serta waktu mulai/akhir sehingga transkrip dapat menunjukkan siapa yang berbicara dan kapan. Cap waktu tingkat kata mendukung subtitel, pencarian audio, dan penyelarasan antara bagian teks dengan posisinya dalam rekaman. Panduan pembuatnya memperbolehkan granularitas cap waktu segmen atau kata. Untuk wawancara, artefak yang berguna adalah urutan bagian teks yang diatribusikan kepada pembicara beserta waktunya; untuk persiapan subtitel, waktu kata atau segmen dapat memandu tahap pemberian teks berikutnya alih-alih memaksa waktu tersebut disimpulkan dari teks transkrip biasa.\n\nBias konteks menerima hingga 100 kata atau frasa yang memandu model menuju ejaan yang dimaksud untuk nama, istilah teknis, dan kosakata khusus domain. Mistral menyatakan fitur ini dioptimalkan untuk bahasa Inggris dan dukungan dalam bahasa lain bersifat eksperimental. Siapkan daftar kosakata terarah dari topik rekaman alih-alih glosarium yang tidak terkait. Contoh asli dapat menyertakan nama proyek dan istilah khusus yang kemungkinan muncul dalam diskusi teknis, lalu memeriksa ejaan tersebut dalam transkrip yang telah selesai.\n\nEdisi ini mendukung tiga belas bahasa: Inggris, Mandarin, Hindi, Spanyol, Arab, Prancis, Portugis, Rusia, Jerman, Jepang, Korea, Italia, dan Belanda. Pembuatnya juga mendokumentasikan ketahanan terhadap derau dan rekaman hingga tiga jam dalam satu permintaan. Ini merupakan sifat alur rekaman Mini Transcribe 2; pernyataan konteks dan durasi model pemahaman audio 2507 awal menjelaskan rilis yang berbeda. Deteksi bahasa otomatis tersedia, dan panduan menyatakan bahwa menyertakan bahasa audio yang sudah diketahui secara eksplisit dapat meningkatkan akurasi transkripsi.\n\nDalam alur pembuat yang terdokumentasi, audio dapat diberikan sebagai berkas yang diunggah, pengenal berkas yang telah diunggah sebelumnya, atau rekaman yang dirujuk. Demonstrasi unggahan yang menyertainya menerima rekaman MP3, WAV, M4A, FLAC, dan OGG; pilih salah satu format ini untuk alur unggahan yang didemonstrasikan. Pastikan rekaman dapat didekode dan memuat ucapan yang relevan. Untuk materi panjang, pertahankan pengenal dan titik acuan waktunya agar cuplikan atau penyuntingan berikutnya tetap dapat ditelusuri ke sumber.\n\nReferensi transkripsi mengembalikan teks dan bahasa yang terdeteksi, dengan segmen jika diminta, serta secara terpisah mendokumentasikan peristiwa transkripsi streaming. Diarisasi bersifat opsional dan nilai bawaannya false. Panduan mencatat bahwa timestamp_granularities dan pengaturan language eksplisit saat ini tidak kompatibel, jadi pilih alur waktu yang diinginkan atau petunjuk bahasa manual alih-alih menggabungkannya. Transkripsi berlabel pembicara, bias kosakata, dan informasi waktu harus dipilih sesuai hasil yang dimaksud, bukan diasumsikan dari permintaan dasar.\n\nUcapan yang tumpang tindih merupakan keterbatasan substantif: Mistral menyatakan model biasanya mentranskripsikan satu pembicara ketika beberapa pembicara berbicara bersamaan. Karena itu, transkrip berlabel tidak boleh dianggap sebagai catatan lengkap setiap ucapan yang berlangsung serentak. Untuk catatan rapat, tinjau bagian tumpang tindih yang sulit serta nama atau angka penting terhadap rekaman. Tujuan model adalah transkripsi; ringkasan, terjemahan, atau analisis dapat menjadi tugas terpisah yang dibangun di atas transkrip tersebut. Voxtral Realtime memiliki karakter latensi transkripsi langsung tersendiri, sedangkan pembuatan ucapan merupakan kemampuan model lain.\n\nSiapkan hasil untuk penggunaan berikutnya. Alur rapat dapat mempertahankan transkrip, label pembicara, dan waktu sebelum tahap terpisah mengekstrak keputusan; alur media dapat menggunakan informasi waktu untuk menemukan bagian teks dan menyusun draf teks layar; rekaman yang padat istilah dapat menyertakan daftar bias konteks yang terarah serta tinjauan ejaan hasilnya. Hasil kerja yang berguna adalah teks yang terkait dengan rekaman sumber dan metadata yang dikonfigurasi, dengan edisi transkripsi bernomor ini tetap dibedakan dari model Mini awal dan nama latest yang terus berubah.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "8debc1dc4390d5c5d32f88dc1f77a7e5a8b164b1bbb5d3aa81bfe6c65887b102", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "mistralai/voxtral-mini-transcribeVoxtral Mini Transcribe 2 mengubah rekaman menjadi teks dengan diarisasi pembicara, cap waktu tingkat kata, dan bias kosakata. Mistral mendokumentasikan 13 bahasa dan rekaman hingga tiga jam untuk edisi yang berfokus pada transkripsi ini, yang berbeda dari Voxtral Realtime.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Voxtral Mini Transcribe 2 adalah edisi Voxtral dari Mistral AI yang berfokus pada transkripsi dan diidentifikasi dalam kartu model pembuatnya sebagai voxtral-mini-2602. Model ini dirancang untuk transkripsi batch berbasis rekaman, bukan peran tanya jawab yang lebih luas dari model Voxtral Mini 3B awal. Masukannya berupa audio dan hasilnya berupa teks transkripsi, yang secara opsional diperkaya dengan label pembicara dan informasi waktu. Penggunaan praktis mencakup transkrip rapat, analisis wawancara, catatan panggilan beberapa pihak, dan teks yang diselaraskan dengan media rekaman.
Pembuatnya mendokumentasikan diarisasi pembicara serta waktu mulai/akhir sehingga transkrip dapat menunjukkan siapa yang berbicara dan kapan. Cap waktu tingkat kata mendukung subtitel, pencarian audio, dan penyelarasan antara bagian teks dengan posisinya dalam rekaman. Panduan pembuatnya memperbolehkan granularitas cap waktu segmen atau kata. Untuk wawancara, artefak yang berguna adalah urutan bagian teks yang diatribusikan kepada pembicara beserta waktunya; untuk persiapan subtitel, waktu kata atau segmen dapat memandu tahap pemberian teks berikutnya alih-alih memaksa waktu tersebut disimpulkan dari teks transkrip biasa.
Bias konteks menerima hingga 100 kata atau frasa yang memandu model menuju ejaan yang dimaksud untuk nama, istilah teknis, dan kosakata khusus domain. Mistral menyatakan fitur ini dioptimalkan untuk bahasa Inggris dan dukungan dalam bahasa lain bersifat eksperimental. Siapkan daftar kosakata terarah dari topik rekaman alih-alih glosarium yang tidak terkait. Contoh asli dapat menyertakan nama proyek dan istilah khusus yang kemungkinan muncul dalam diskusi teknis, lalu memeriksa ejaan tersebut dalam transkrip yang telah selesai.
Edisi ini mendukung tiga belas bahasa: Inggris, Mandarin, Hindi, Spanyol, Arab, Prancis, Portugis, Rusia, Jerman, Jepang, Korea, Italia, dan Belanda. Pembuatnya juga mendokumentasikan ketahanan terhadap derau dan rekaman hingga tiga jam dalam satu permintaan. Ini merupakan sifat alur rekaman Mini Transcribe 2; pernyataan konteks dan durasi model pemahaman audio 2507 awal menjelaskan rilis yang berbeda. Deteksi bahasa otomatis tersedia, dan panduan menyatakan bahwa menyertakan bahasa audio yang sudah diketahui secara eksplisit dapat meningkatkan akurasi transkripsi.
Dalam alur pembuat yang terdokumentasi, audio dapat diberikan sebagai berkas yang diunggah, pengenal berkas yang telah diunggah sebelumnya, atau rekaman yang dirujuk. Demonstrasi unggahan yang menyertainya menerima rekaman MP3, WAV, M4A, FLAC, dan OGG; pilih salah satu format ini untuk alur unggahan yang didemonstrasikan. Pastikan rekaman dapat didekode dan memuat ucapan yang relevan. Untuk materi panjang, pertahankan pengenal dan titik acuan waktunya agar cuplikan atau penyuntingan berikutnya tetap dapat ditelusuri ke sumber.
Referensi transkripsi mengembalikan teks dan bahasa yang terdeteksi, dengan segmen jika diminta, serta secara terpisah mendokumentasikan peristiwa transkripsi streaming. Diarisasi bersifat opsional dan nilai bawaannya false. Panduan mencatat bahwa timestamp_granularities dan pengaturan language eksplisit saat ini tidak kompatibel, jadi pilih alur waktu yang diinginkan atau petunjuk bahasa manual alih-alih menggabungkannya. Transkripsi berlabel pembicara, bias kosakata, dan informasi waktu harus dipilih sesuai hasil yang dimaksud, bukan diasumsikan dari permintaan dasar.
Ucapan yang tumpang tindih merupakan keterbatasan substantif: Mistral menyatakan model biasanya mentranskripsikan satu pembicara ketika beberapa pembicara berbicara bersamaan. Karena itu, transkrip berlabel tidak boleh dianggap sebagai catatan lengkap setiap ucapan yang berlangsung serentak. Untuk catatan rapat, tinjau bagian tumpang tindih yang sulit serta nama atau angka penting terhadap rekaman. Tujuan model adalah transkripsi; ringkasan, terjemahan, atau analisis dapat menjadi tugas terpisah yang dibangun di atas transkrip tersebut. Voxtral Realtime memiliki karakter latensi transkripsi langsung tersendiri, sedangkan pembuatan ucapan merupakan kemampuan model lain.
Siapkan hasil untuk penggunaan berikutnya. Alur rapat dapat mempertahankan transkrip, label pembicara, dan waktu sebelum tahap terpisah mengekstrak keputusan; alur media dapat menggunakan informasi waktu untuk menemukan bagian teks dan menyusun draf teks layar; rekaman yang padat istilah dapat menyertakan daftar bias konteks yang terarah serta tinjauan ejaan hasilnya. Hasil kerja yang berguna adalah teks yang terkait dengan rekaman sumber dan metadata yang dikonfigurasi, dengan edisi transkripsi bernomor ini tetap dibedakan dari model Mini awal dan nama latest yang terus berubah.
POST /v1/audio/transcriptionsaudiotext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/voxtral-mini-transcribe | Bawaan— |
Kolominput_audio | Jenisobject | PersyaratanWajib | Nilai & batasan | Bawaan— |
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, input_audio |
Parametermaterial_types | Kontrakaudio |
Parametermaterial_conditions | KontrakContoh ini membaca berkas PCM WAV Anda yang benar-benar ada dan tidak kosong, mengodekan seluruh byte berkas sebagai base64, lalu mengirim input_audio.format dengan nilai wav. |
Siklus hidup: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id persis dari catatan media milik Ailoot yang sudah ada
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Satuan penagihan | Biaya |
|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Satuan penagihan— | Biaya Masukan · Token masukan — / 1K token Keluaran · Token keluaran — / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| Konfigurasidetik audio masukan | Jadwal tarif— | Satuan penagihanper detik audio masukan | Biaya Masukan · detik audio masukan $0.0001 per detik audio masukan |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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.\nIsi respons asli secara utuh, status, dan header yang diteruskan. Handler ini tidak menambahkan struktur JSON universal, bidang teks, atau pembungkus tugas.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan respons dan header secara lengkap, setiap keluaran aktual, identifikator asli yang dikembalikan, dan semua kolom usage. Pulihkan operasi asli tanpa mengirim ulang permintaan pembuatan.
Simpan X-Client-Request-ID aktual dan respons secara utuh. Baca aset asli yang dimiliki beserta URL konten bertanda tangan yang persis; jangan pernah kirim ulang pembuatan yang statusnya belum pasti.
| Kolom | Jenis |
|---|---|
Kolomtext (when present) | Jenis |
Kolomusage (when present) | Jenis |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiIsi JSON atau ID model kanonis eksplisit tidak valid. | Langkah berikutnyaSimpan respons dan perbaiki bidang permintaan yang ditunjukkan. |
Respons401 · authentication_error | KondisiKunci API Ailoot tidak valid. | Langkah berikutnyaGunakan kunci API Ailoot Anda yang diotorisasi. |
Respons403 · permission_error | KondisiGrup kunci tidak mengizinkan metode ini. | Langkah berikutnyaSimpan rincian kesalahan yang dikembalikan. |
Respons404 · not_found_error | KondisiMetode yang dipilih tidak memiliki rute yang diizinkan. | Langkah berikutnyaSimpan rincian kesalahan yang dikembalikan. |
Respons422 · price_unavailable | KondisiTarif yang diterima tidak dapat memperoleh jumlah atau batas masukan yang diwajibkan. | Langkah berikutnyaSimpan respons; gunakan representasi masukan yang diwajibkan oleh tarif yang diterima. |
Respons503 · | KondisiPenyimpanan, rute, harga metode, atau pencadangan dana yang diperlukan tidak tersedia. | Langkah berikutnyaSimpan respons asli secara utuh. Pencadangan dana yang belum pasti tidak mengizinkan pengiriman ulang. |
Respons502 · server_error | KondisiHasil awal, penggunaan, atau penyelesaian tagihan perlu diperiksa. | Langkah berikutnyaSimpan ID permintaan aktual dan respons asli. Baca catatan yang dimiliki yang sudah ada; jangan kirim ulang pembuatan. |
Ailoot Ultra mistralai/voxtral-mini-transcribe
Gunakan jalur metode yang ditampilkan di atas.