Mistral: Voxtral Mini Transcribe

Voxtral Mini Transcribe 2 è l’edizione Voxtral di Mistral AI dedicata alla trascrizione, identificata nella scheda del modello del produttore come voxtral-mini-2602. È progettata per trascrizioni batch da registrazioni, anziché per il ruolo più ampio di risposta a domande del modello originale Voxtral Mini 3B. L’input è audio e il risultato è testo trascritto, facoltativamente arricchito con etichette dei parlanti e informazioni temporali. Gli usi pratici includono trascrizioni di riunioni, analisi di interviste, verbali di chiamate con più partecipanti e testo allineato a contenuti multimediali registrati.

Il produttore documenta diarizzazione dei parlanti e tempi di inizio e fine, affinché una trascrizione possa mostrare chi ha parlato e quando. I timestamp a livello di parola supportano sottotitoli, ricerca nell’audio e allineamento tra un brano testuale e la sua posizione in una registrazione. La guida del produttore consente granularità temporale per segmento o parola. Per un’intervista, un elaborato utile è una sequenza di brani attribuiti con tempi; per preparare sottotitoli, i tempi di parole o segmenti possono guidare una fase successiva di sottotitolazione, senza doverli dedurre dal semplice testo trascritto.

L’orientamento contestuale accetta fino a 100 parole o espressioni che guidano il modello verso la grafia prevista di nomi, termini tecnici e vocabolario specifico del dominio. Mistral afferma che questa funzionalità è ottimizzata per l’inglese e che il supporto nelle altre lingue è sperimentale. Prepara un elenco di vocaboli mirato dal tema della registrazione, anziché un glossario non pertinente. Un esempio originale può fornire nomi di progetti e termini specialistici che probabilmente compaiono in una discussione tecnica, verificandone poi la grafia nella trascrizione completata.

Questa edizione supporta tredici lingue: inglese, cinese, hindi, spagnolo, arabo, francese, portoghese, russo, tedesco, giapponese, coreano, italiano e olandese. Il produttore documenta anche robustezza al rumore e registrazioni fino a tre ore in una singola richiesta. Queste caratteristiche appartengono al flusso su registrazioni di Mini Transcribe 2; le indicazioni di contesto e durata del modello originale 2507 per la comprensione dell’audio descrivono un rilascio diverso. Il rilevamento automatico della lingua è disponibile e la guida afferma che fornire esplicitamente una lingua audio nota può migliorare l’accuratezza della trascrizione.

Nel flusso documentato del produttore, l’audio può essere fornito come file caricato, identificatore di un file già caricato o registrazione referenziata. La dimostrazione di caricamento associata accetta registrazioni MP3, WAV, M4A, FLAC e OGG; scegli uno di questi formati per il flusso di caricamento dimostrato. Mantieni la registrazione decodificabile e includi il parlato pertinente. Per materiale lungo, conserva identificatore e origine temporale, affinché eventuali estratti o modifiche successivi restino riconducibili alla fonte.

Il riferimento di trascrizione restituisce testo e lingua rilevata, con segmenti quando richiesti, e documenta separatamente gli eventi di trascrizione in streaming. La diarizzazione è facoltativa e il valore predefinito è false. La guida segnala che timestamp_granularities e un’impostazione esplicita di language non sono attualmente compatibili, quindi scegli il flusso temporale desiderato o l’indicazione manuale della lingua, invece di combinarli. Trascrizione con etichette dei parlanti, orientamento del vocabolario e tempi devono essere selezionati in base al risultato previsto, anziché presunti da una richiesta di base.

Il parlato sovrapposto è un limite sostanziale: Mistral afferma che il modello trascrive tipicamente un solo parlante quando le voci si sovrappongono. Una trascrizione etichettata non deve quindi essere trattata come una registrazione esaustiva di ogni enunciato simultaneo. Per un verbale di riunione, rivedi sovrapposizioni difficili e nomi o cifre importanti rispetto alla registrazione. Lo scopo del modello è la trascrizione; riepilogo, traduzione o analisi possono essere compiti separati costruiti su quella trascrizione. Voxtral Realtime ha un profilo separato di latenza per trascrizione dal vivo, mentre la generazione vocale appartiene ad altri modelli.

Prepara il risultato per l’uso successivo. Un flusso di riunione può conservare trascrizione, etichette dei parlanti e tempi prima che una fase separata estragga le decisioni; un flusso multimediale può usare i tempi per individuare brani e preparare sottotitoli; una registrazione ricca di terminologia può includere l’elenco contestuale mirato e una revisione delle grafie risultanti. Il risultato utile è testo legato alla registrazione sorgente e ai metadati configurati, mantenendo questa edizione numerata di trascrizione distinta dal modello Mini originale e dai nomi latest aggiornati.