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.
", "aboutText": "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.\n\nIl 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.\n\nL’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.\n\nQuesta 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.\n\nNel 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.\n\nIl 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.\n\nIl 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.\n\nPrepara 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "580634fe7c21af0d73d052eb1e07b3c6a994af592be441a60823d5b0a5798f12", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "mistralai/voxtral-mini-transcribeVoxtral Mini Transcribe 2 converte registrazioni in testo con diarizzazione dei parlanti, timestamp a livello di parola e orientamento del vocabolario. Mistral documenta 13 lingue e registrazioni fino a tre ore per questa edizione dedicata alla trascrizione, distinta da Voxtral Realtime.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
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.
POST /v1/audio/transcriptionsaudiotext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti mistralai/voxtral-mini-transcribe | Predefinito— |
Campoinput_audio | Tipoobject | RequisitoObbligatorio | Valori e limiti | Predefinito— |
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, input_audio |
Parametromaterial_types | Contrattoaudio |
Parametromaterial_conditions | ContrattoL'esempio legge il tuo file PCM WAV reale e non vuoto, codifica tutti i byte del file in base64 e invia input_audio.format con valore wav. |
Ciclo di vita: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id esatto di un record multimediale esistente di tua proprietà
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Unità di fatturazione | Costo |
|---|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Unità di fatturazione— | Costo Input · Token in input — / 1K token Output · Token in output — / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| Configurazionesecondo audio in ingresso | Listino delle tariffe— | Unità di fatturazioneper secondo di audio in input | Costo Input · secondo audio in ingresso $0.0001 per secondo di audio in input |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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.\nCorpo completo della risposta originale, stato e intestazioni inoltrate. Questo gestore non aggiunge alcuna struttura JSON universale, campo di testo o struttura contenitore dell'attività.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva la risposta completa e gli header, ogni output effettivo, gli identificatori originali restituiti e tutti i campi di utilizzo. Recupera l'operazione originale senza inviare nuovamente la richiesta di creazione.
Conserva l'X-Client-Request-ID effettivo e la risposta completa. Consulta le risorse originali di tua proprietà e i relativi URL firmati esatti del contenuto; non inviare mai nuovamente una creazione dall'esito incerto.
| Campo | Tipo |
|---|---|
Campotext (when present) | Tipo |
Campousage (when present) | Tipo |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneIl corpo JSON o l'ID canonico esplicito del modello non è valido. | Passaggio successivoConserva la risposta e correggi il campo della richiesta indicato. |
Risposta401 · authentication_error | CondizioneLa chiave API Ailoot non è valida. | Passaggio successivoUsa la tua chiave API Ailoot autorizzata. |
Risposta403 · permission_error | CondizioneIl gruppo della chiave non è autorizzato a utilizzare questo metodo. | Passaggio successivoConserva i dettagli dell'errore restituiti. |
Risposta404 · not_found_error | CondizioneIl metodo selezionato non dispone di una rotta autorizzata all'utilizzo. | Passaggio successivoConserva i dettagli dell'errore restituiti. |
Risposta422 · price_unavailable | CondizioneLa tariffa accettata non può ottenere la quantità in ingresso o il limite richiesto. | Passaggio successivoConserva la risposta; usa la rappresentazione dell'input richiesta dalla tariffa accettata. |
Risposta503 · | CondizioneL'archiviazione richiesta, la rotta, il prezzo del metodo o la riserva dell'importo non sono disponibili. | Passaggio successivoConserva l'intera risposta originale. Una riserva dell'importo dall'esito incerto non autorizza un nuovo invio. |
Risposta502 · server_error | CondizioneIl risultato originale, i dati di utilizzo o il conguaglio dell'addebito richiedono una verifica. | Passaggio successivoConserva l'ID effettivo della richiesta e la risposta originale. Consulta il record esistente di tua proprietà; non inviare nuovamente la richiesta di creazione. |
Ailoot Ultra mistralai/voxtral-mini-transcribe
Usa i percorsi dei metodi indicati sopra.