Voxtral Small 1.0 24B 2507 aggiunge input audio e comprensione del parlato a una struttura linguistica Mistral Small. Accetta audio e testo e restituisce testo, inclusi una trascrizione, una risposta sulla registrazione, una traduzione o un riepilogo strutturato. È l’edizione denominata da 24 miliardi di parametri per la comprensione del parlato, distinta da Voxtral Mini, dalle varianti del servizio ottimizzate per la trascrizione e dai rilasci Voxtral successivi per generazione vocale o tempo reale.
Trascrizione e comprensione dell’audio
Il modello ha una modalità dedicata alla pura trascrizione. Il produttore afferma che, per impostazione predefinita, predice automaticamente la lingua dell’audio sorgente e trascrive di conseguenza. Usa questa modalità quando l’elaborato desiderato è la formulazione parlata stessa, anziché un’interpretazione o un riepilogo. Identifica se il risultato deve preservare la lingua originale o essere seguito da una traduzione richiesta separatamente.
La comprensione dell’audio consente di porre direttamente una domanda su una registrazione, senza concatenare prima un modello separato di riconoscimento vocale e uno testuale. Una richiesta può chiedere quale argomento sia stato discusso, quale decisione sia stata dichiarata o quali informazioni nella registrazione rispondano a una domanda specifica. Il risultato può essere una risposta concisa o un riepilogo organizzato, anziché una trascrizione completa di ogni parola pronunciata.
Per un riepilogo di riunione, fornisci la registrazione e definisci i campi da restituire: argomenti, decisioni dichiarate esplicitamente e azioni successive. Chiedi nomi o date soltanto quando la registrazione li dichiara effettivamente e mantieni i dettagli irrisolti separati dalle decisioni. Per un’intervista, richiedi la risposta a una domanda particolare e il contesto circostante che la rende comprensibile. Questi schemi di output collegano il compito audio a un documento utilizzabile in seguito.
Contesto, durata e lingue
Il produttore documenta un contesto di 32k token e audio fino a 30 minuti per trascrizione o 40 minuti per comprensione. I due valori di durata hanno ambiti di compito diversi. Scegli l’operazione desiderata prima di selezionare la registrazione e includi istruzione testuale e conversazione quando pianifichi il contesto disponibile. Una registrazione lunga e una risposta scritta lunga consumano entrambe risorse; l’indicazione della durata non è una promessa separata di lunghezza illimitata della risposta.
Il rilascio identifica inglese, spagnolo, francese, portoghese, hindi, tedesco, olandese e italiano tra le principali lingue supportate e fornisce rilevamento automatico della lingua. Per la traduzione del parlato, imposta la lingua finale e i termini che devono mantenere la forma originale. Per una domanda su audio in una lingua, distingui la lingua della registrazione da quella in cui deve essere scritta la risposta.
Più registrazioni e domande successive
La scheda supporta più input audio in un messaggio e audio in più turni utente. Assegna un identificatore a ogni registrazione e specificane il ruolo quando le confronti. Una richiesta pratica può confrontare due versioni di una spiegazione parlata, chiedere quali condizioni siano cambiate e restituire una tabella con una colonna separata per ogni registrazione. Gli identificatori aiutano a mantenere i risultati del modello associati alla fonte corretta.
Una domanda successiva può conservare domanda e risposta precedenti, chiedendo un dettaglio più circoscritto o fornendo un’altra registrazione. Per esempio, chiedi prima le decisioni di una discussione, poi quale decisione si riferisca a un requisito particolare. Lo stesso rilascio dimostra anche richieste solo testuali e solo audio. La struttura linguistica può lavorare sulla domanda o sul risultato scritto, mentre la capacità audio fornisce evidenze dal parlato.
Funzioni guidate dalla voce
Il produttore descrive chiamate di funzione dall’intento parlato e indica l’esempio di chiamata di funzione nella scheda rilasciata come supporto sperimentale. In questo flusso, l’applicazione definisce una funzione e i suoi argomenti, il modello prepara una chiamata dalla richiesta e l’applicazione la esegue e fornisce il risultato. Una ricerca vocale può quindi restituire una risposta scritta usando informazioni di uno strumento collegato. Le chiamate di funzione non significano che il modello possieda automaticamente il servizio esterno o esegua un’azione soltanto nominandola.
Mantieni espliciti scopo della funzione e informazioni richieste. Se la registrazione chiede un’operazione ma omette un valore obbligatorio, l’applicazione necessita comunque di quel valore per eseguire la funzione. Separa richiesta parlata, argomenti proposti e risultato restituito, affinché la risposta successiva possa riferirsi all’esito effettivo dell’operazione.
Impostazioni raccomandate e limiti utili
Per comprensione dell’audio e completamento chat, la scheda raccomanda temperatura 0.2 e top-p 0.95. Per la trascrizione raccomanda temperatura 0.0. Dichiara esplicitamente che i prompt di sistema non sono supportati in questo flusso d’uso rilasciato, quindi inserisci compito e requisiti della risposta nell’input utente, anziché trasferire una convenzione di prompt di sistema da un altro modello Mistral.
Seleziona una registrazione contenente il materiale pertinente alla domanda, mantieni chiaro il parlato udibile e specifica se il risultato deve essere una trascrizione, traduzione, risposta o riepilogo. L’output documentato è testo. Una risposta parlata richiede una componente text-to-speech, e identificazione dei parlanti, diarizzazione dettagliata o timestamp a livello di parola non devono essere dedotti dall’affermazione generale sulla comprensione dell’audio per questo rilascio esatto.
Gli esempi di generazione da 500 token della scheda sono impostazioni esemplificative, non una capacità massima di output dichiarata separatamente. Conserva l’edizione 2507, le indicazioni di durata specifiche del compito e la lingua di input quando prepari un flusso ripetibile. L’elaborato finale utile è il testo richiesto, collegato alla registrazione e formattato per il passaggio successivo documentale o applicativo.
", "aboutText": "Voxtral Small 1.0 24B 2507 aggiunge input audio e comprensione del parlato a una struttura linguistica Mistral Small. Accetta audio e testo e restituisce testo, inclusi una trascrizione, una risposta sulla registrazione, una traduzione o un riepilogo strutturato. È l’edizione denominata da 24 miliardi di parametri per la comprensione del parlato, distinta da Voxtral Mini, dalle varianti del servizio ottimizzate per la trascrizione e dai rilasci Voxtral successivi per generazione vocale o tempo reale.\n\nTrascrizione e comprensione dell’audio\n\nIl modello ha una modalità dedicata alla pura trascrizione. Il produttore afferma che, per impostazione predefinita, predice automaticamente la lingua dell’audio sorgente e trascrive di conseguenza. Usa questa modalità quando l’elaborato desiderato è la formulazione parlata stessa, anziché un’interpretazione o un riepilogo. Identifica se il risultato deve preservare la lingua originale o essere seguito da una traduzione richiesta separatamente.\n\nLa comprensione dell’audio consente di porre direttamente una domanda su una registrazione, senza concatenare prima un modello separato di riconoscimento vocale e uno testuale. Una richiesta può chiedere quale argomento sia stato discusso, quale decisione sia stata dichiarata o quali informazioni nella registrazione rispondano a una domanda specifica. Il risultato può essere una risposta concisa o un riepilogo organizzato, anziché una trascrizione completa di ogni parola pronunciata.\n\nPer un riepilogo di riunione, fornisci la registrazione e definisci i campi da restituire: argomenti, decisioni dichiarate esplicitamente e azioni successive. Chiedi nomi o date soltanto quando la registrazione li dichiara effettivamente e mantieni i dettagli irrisolti separati dalle decisioni. Per un’intervista, richiedi la risposta a una domanda particolare e il contesto circostante che la rende comprensibile. Questi schemi di output collegano il compito audio a un documento utilizzabile in seguito.\n\nContesto, durata e lingue\n\nIl produttore documenta un contesto di 32k token e audio fino a 30 minuti per trascrizione o 40 minuti per comprensione. I due valori di durata hanno ambiti di compito diversi. Scegli l’operazione desiderata prima di selezionare la registrazione e includi istruzione testuale e conversazione quando pianifichi il contesto disponibile. Una registrazione lunga e una risposta scritta lunga consumano entrambe risorse; l’indicazione della durata non è una promessa separata di lunghezza illimitata della risposta.\n\nIl rilascio identifica inglese, spagnolo, francese, portoghese, hindi, tedesco, olandese e italiano tra le principali lingue supportate e fornisce rilevamento automatico della lingua. Per la traduzione del parlato, imposta la lingua finale e i termini che devono mantenere la forma originale. Per una domanda su audio in una lingua, distingui la lingua della registrazione da quella in cui deve essere scritta la risposta.\n\nPiù registrazioni e domande successive\n\nLa scheda supporta più input audio in un messaggio e audio in più turni utente. Assegna un identificatore a ogni registrazione e specificane il ruolo quando le confronti. Una richiesta pratica può confrontare due versioni di una spiegazione parlata, chiedere quali condizioni siano cambiate e restituire una tabella con una colonna separata per ogni registrazione. Gli identificatori aiutano a mantenere i risultati del modello associati alla fonte corretta.\n\nUna domanda successiva può conservare domanda e risposta precedenti, chiedendo un dettaglio più circoscritto o fornendo un’altra registrazione. Per esempio, chiedi prima le decisioni di una discussione, poi quale decisione si riferisca a un requisito particolare. Lo stesso rilascio dimostra anche richieste solo testuali e solo audio. La struttura linguistica può lavorare sulla domanda o sul risultato scritto, mentre la capacità audio fornisce evidenze dal parlato.\n\nFunzioni guidate dalla voce\n\nIl produttore descrive chiamate di funzione dall’intento parlato e indica l’esempio di chiamata di funzione nella scheda rilasciata come supporto sperimentale. In questo flusso, l’applicazione definisce una funzione e i suoi argomenti, il modello prepara una chiamata dalla richiesta e l’applicazione la esegue e fornisce il risultato. Una ricerca vocale può quindi restituire una risposta scritta usando informazioni di uno strumento collegato. Le chiamate di funzione non significano che il modello possieda automaticamente il servizio esterno o esegua un’azione soltanto nominandola.\n\nMantieni espliciti scopo della funzione e informazioni richieste. Se la registrazione chiede un’operazione ma omette un valore obbligatorio, l’applicazione necessita comunque di quel valore per eseguire la funzione. Separa richiesta parlata, argomenti proposti e risultato restituito, affinché la risposta successiva possa riferirsi all’esito effettivo dell’operazione.\n\nImpostazioni raccomandate e limiti utili\n\nPer comprensione dell’audio e completamento chat, la scheda raccomanda temperatura 0.2 e top-p 0.95. Per la trascrizione raccomanda temperatura 0.0. Dichiara esplicitamente che i prompt di sistema non sono supportati in questo flusso d’uso rilasciato, quindi inserisci compito e requisiti della risposta nell’input utente, anziché trasferire una convenzione di prompt di sistema da un altro modello Mistral.\n\nSeleziona una registrazione contenente il materiale pertinente alla domanda, mantieni chiaro il parlato udibile e specifica se il risultato deve essere una trascrizione, traduzione, risposta o riepilogo. L’output documentato è testo. Una risposta parlata richiede una componente text-to-speech, e identificazione dei parlanti, diarizzazione dettagliata o timestamp a livello di parola non devono essere dedotti dall’affermazione generale sulla comprensione dell’audio per questo rilascio esatto.\n\nGli esempi di generazione da 500 token della scheda sono impostazioni esemplificative, non una capacità massima di output dichiarata separatamente. Conserva l’edizione 2507, le indicazioni di durata specifiche del compito e la lingua di input quando prepari un flusso ripetibile. L’elaborato finale utile è il testo richiesto, collegato alla registrazione e formattato per il passaggio successivo documentale o applicativo.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Summarize a supplied meeting transcript\n\nSummarize this supplied transcript text: 'Ana: We will keep the current label. Ben: I will check the revised barcode by Tuesday. Ana: Shipping timing is still unconfirmed. Ben: Agreed.' Return topics, explicit decisions and follow-up actions. Separate the unresolved shipping date from decisions, and include owners or deadlines only when stated in the transcript.A meeting summary with topics, one decision, an owned action and an unresolved timing item.Check that keeping the label is the decision and shipping timing remains unconfirmed.mistralai/voxtral-small-24b-2507Voxtral Small 1.0 24B 2507 è un modello per testo e audio destinato a trascrizione, traduzione del parlato, domande e riepiloghi. Il produttore documenta un contesto di 32k, fino a 30 minuti per la trascrizione o 40 minuti per la comprensione, più input audio e risultati testuali.
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 Small 1.0 24B 2507 aggiunge input audio e comprensione del parlato a una struttura linguistica Mistral Small. Accetta audio e testo e restituisce testo, inclusi una trascrizione, una risposta sulla registrazione, una traduzione o un riepilogo strutturato. È l’edizione denominata da 24 miliardi di parametri per la comprensione del parlato, distinta da Voxtral Mini, dalle varianti del servizio ottimizzate per la trascrizione e dai rilasci Voxtral successivi per generazione vocale o tempo reale.
Trascrizione e comprensione dell’audio
Il modello ha una modalità dedicata alla pura trascrizione. Il produttore afferma che, per impostazione predefinita, predice automaticamente la lingua dell’audio sorgente e trascrive di conseguenza. Usa questa modalità quando l’elaborato desiderato è la formulazione parlata stessa, anziché un’interpretazione o un riepilogo. Identifica se il risultato deve preservare la lingua originale o essere seguito da una traduzione richiesta separatamente.
La comprensione dell’audio consente di porre direttamente una domanda su una registrazione, senza concatenare prima un modello separato di riconoscimento vocale e uno testuale. Una richiesta può chiedere quale argomento sia stato discusso, quale decisione sia stata dichiarata o quali informazioni nella registrazione rispondano a una domanda specifica. Il risultato può essere una risposta concisa o un riepilogo organizzato, anziché una trascrizione completa di ogni parola pronunciata.
Per un riepilogo di riunione, fornisci la registrazione e definisci i campi da restituire: argomenti, decisioni dichiarate esplicitamente e azioni successive. Chiedi nomi o date soltanto quando la registrazione li dichiara effettivamente e mantieni i dettagli irrisolti separati dalle decisioni. Per un’intervista, richiedi la risposta a una domanda particolare e il contesto circostante che la rende comprensibile. Questi schemi di output collegano il compito audio a un documento utilizzabile in seguito.
Contesto, durata e lingue
Il produttore documenta un contesto di 32k token e audio fino a 30 minuti per trascrizione o 40 minuti per comprensione. I due valori di durata hanno ambiti di compito diversi. Scegli l’operazione desiderata prima di selezionare la registrazione e includi istruzione testuale e conversazione quando pianifichi il contesto disponibile. Una registrazione lunga e una risposta scritta lunga consumano entrambe risorse; l’indicazione della durata non è una promessa separata di lunghezza illimitata della risposta.
Il rilascio identifica inglese, spagnolo, francese, portoghese, hindi, tedesco, olandese e italiano tra le principali lingue supportate e fornisce rilevamento automatico della lingua. Per la traduzione del parlato, imposta la lingua finale e i termini che devono mantenere la forma originale. Per una domanda su audio in una lingua, distingui la lingua della registrazione da quella in cui deve essere scritta la risposta.
Più registrazioni e domande successive
La scheda supporta più input audio in un messaggio e audio in più turni utente. Assegna un identificatore a ogni registrazione e specificane il ruolo quando le confronti. Una richiesta pratica può confrontare due versioni di una spiegazione parlata, chiedere quali condizioni siano cambiate e restituire una tabella con una colonna separata per ogni registrazione. Gli identificatori aiutano a mantenere i risultati del modello associati alla fonte corretta.
Una domanda successiva può conservare domanda e risposta precedenti, chiedendo un dettaglio più circoscritto o fornendo un’altra registrazione. Per esempio, chiedi prima le decisioni di una discussione, poi quale decisione si riferisca a un requisito particolare. Lo stesso rilascio dimostra anche richieste solo testuali e solo audio. La struttura linguistica può lavorare sulla domanda o sul risultato scritto, mentre la capacità audio fornisce evidenze dal parlato.
Funzioni guidate dalla voce
Il produttore descrive chiamate di funzione dall’intento parlato e indica l’esempio di chiamata di funzione nella scheda rilasciata come supporto sperimentale. In questo flusso, l’applicazione definisce una funzione e i suoi argomenti, il modello prepara una chiamata dalla richiesta e l’applicazione la esegue e fornisce il risultato. Una ricerca vocale può quindi restituire una risposta scritta usando informazioni di uno strumento collegato. Le chiamate di funzione non significano che il modello possieda automaticamente il servizio esterno o esegua un’azione soltanto nominandola.
Mantieni espliciti scopo della funzione e informazioni richieste. Se la registrazione chiede un’operazione ma omette un valore obbligatorio, l’applicazione necessita comunque di quel valore per eseguire la funzione. Separa richiesta parlata, argomenti proposti e risultato restituito, affinché la risposta successiva possa riferirsi all’esito effettivo dell’operazione.
Impostazioni raccomandate e limiti utili
Per comprensione dell’audio e completamento chat, la scheda raccomanda temperatura 0.2 e top-p 0.95. Per la trascrizione raccomanda temperatura 0.0. Dichiara esplicitamente che i prompt di sistema non sono supportati in questo flusso d’uso rilasciato, quindi inserisci compito e requisiti della risposta nell’input utente, anziché trasferire una convenzione di prompt di sistema da un altro modello Mistral.
Seleziona una registrazione contenente il materiale pertinente alla domanda, mantieni chiaro il parlato udibile e specifica se il risultato deve essere una trascrizione, traduzione, risposta o riepilogo. L’output documentato è testo. Una risposta parlata richiede una componente text-to-speech, e identificazione dei parlanti, diarizzazione dettagliata o timestamp a livello di parola non devono essere dedotti dall’affermazione generale sulla comprensione dell’audio per questo rilascio esatto.
Gli esempi di generazione da 500 token della scheda sono impostazioni esemplificative, non una capacità massima di output dichiarata separatamente. Conserva l’edizione 2507, le indicazioni di durata specifiche del compito e la lingua di input quando prepari un flusso ripetibile. L’elaborato finale utile è il testo richiesto, collegato alla registrazione e formattato per il passaggio successivo documentale o applicativo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti mistralai/voxtral-small-24b-2507 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
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 | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0006 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0006 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/voxtral-small-24b-2507", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/voxtral-small-24b-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/voxtral-small-24b-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Usa i percorsi dei metodi indicati sopra.
mistralai/voxtral-small-24b-2507Voxtral Small 1.0 24B 2507 è un modello per testo e audio destinato a trascrizione, traduzione del parlato, domande e riepiloghi. Il produttore documenta un contesto di 32k, fino a 30 minuti per la trascrizione o 40 minuti per la comprensione, più input audio e risultati testuali.
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 Small 1.0 24B 2507 aggiunge input audio e comprensione del parlato a una struttura linguistica Mistral Small. Accetta audio e testo e restituisce testo, inclusi una trascrizione, una risposta sulla registrazione, una traduzione o un riepilogo strutturato. È l’edizione denominata da 24 miliardi di parametri per la comprensione del parlato, distinta da Voxtral Mini, dalle varianti del servizio ottimizzate per la trascrizione e dai rilasci Voxtral successivi per generazione vocale o tempo reale.
Trascrizione e comprensione dell’audio
Il modello ha una modalità dedicata alla pura trascrizione. Il produttore afferma che, per impostazione predefinita, predice automaticamente la lingua dell’audio sorgente e trascrive di conseguenza. Usa questa modalità quando l’elaborato desiderato è la formulazione parlata stessa, anziché un’interpretazione o un riepilogo. Identifica se il risultato deve preservare la lingua originale o essere seguito da una traduzione richiesta separatamente.
La comprensione dell’audio consente di porre direttamente una domanda su una registrazione, senza concatenare prima un modello separato di riconoscimento vocale e uno testuale. Una richiesta può chiedere quale argomento sia stato discusso, quale decisione sia stata dichiarata o quali informazioni nella registrazione rispondano a una domanda specifica. Il risultato può essere una risposta concisa o un riepilogo organizzato, anziché una trascrizione completa di ogni parola pronunciata.
Per un riepilogo di riunione, fornisci la registrazione e definisci i campi da restituire: argomenti, decisioni dichiarate esplicitamente e azioni successive. Chiedi nomi o date soltanto quando la registrazione li dichiara effettivamente e mantieni i dettagli irrisolti separati dalle decisioni. Per un’intervista, richiedi la risposta a una domanda particolare e il contesto circostante che la rende comprensibile. Questi schemi di output collegano il compito audio a un documento utilizzabile in seguito.
Contesto, durata e lingue
Il produttore documenta un contesto di 32k token e audio fino a 30 minuti per trascrizione o 40 minuti per comprensione. I due valori di durata hanno ambiti di compito diversi. Scegli l’operazione desiderata prima di selezionare la registrazione e includi istruzione testuale e conversazione quando pianifichi il contesto disponibile. Una registrazione lunga e una risposta scritta lunga consumano entrambe risorse; l’indicazione della durata non è una promessa separata di lunghezza illimitata della risposta.
Il rilascio identifica inglese, spagnolo, francese, portoghese, hindi, tedesco, olandese e italiano tra le principali lingue supportate e fornisce rilevamento automatico della lingua. Per la traduzione del parlato, imposta la lingua finale e i termini che devono mantenere la forma originale. Per una domanda su audio in una lingua, distingui la lingua della registrazione da quella in cui deve essere scritta la risposta.
Più registrazioni e domande successive
La scheda supporta più input audio in un messaggio e audio in più turni utente. Assegna un identificatore a ogni registrazione e specificane il ruolo quando le confronti. Una richiesta pratica può confrontare due versioni di una spiegazione parlata, chiedere quali condizioni siano cambiate e restituire una tabella con una colonna separata per ogni registrazione. Gli identificatori aiutano a mantenere i risultati del modello associati alla fonte corretta.
Una domanda successiva può conservare domanda e risposta precedenti, chiedendo un dettaglio più circoscritto o fornendo un’altra registrazione. Per esempio, chiedi prima le decisioni di una discussione, poi quale decisione si riferisca a un requisito particolare. Lo stesso rilascio dimostra anche richieste solo testuali e solo audio. La struttura linguistica può lavorare sulla domanda o sul risultato scritto, mentre la capacità audio fornisce evidenze dal parlato.
Funzioni guidate dalla voce
Il produttore descrive chiamate di funzione dall’intento parlato e indica l’esempio di chiamata di funzione nella scheda rilasciata come supporto sperimentale. In questo flusso, l’applicazione definisce una funzione e i suoi argomenti, il modello prepara una chiamata dalla richiesta e l’applicazione la esegue e fornisce il risultato. Una ricerca vocale può quindi restituire una risposta scritta usando informazioni di uno strumento collegato. Le chiamate di funzione non significano che il modello possieda automaticamente il servizio esterno o esegua un’azione soltanto nominandola.
Mantieni espliciti scopo della funzione e informazioni richieste. Se la registrazione chiede un’operazione ma omette un valore obbligatorio, l’applicazione necessita comunque di quel valore per eseguire la funzione. Separa richiesta parlata, argomenti proposti e risultato restituito, affinché la risposta successiva possa riferirsi all’esito effettivo dell’operazione.
Impostazioni raccomandate e limiti utili
Per comprensione dell’audio e completamento chat, la scheda raccomanda temperatura 0.2 e top-p 0.95. Per la trascrizione raccomanda temperatura 0.0. Dichiara esplicitamente che i prompt di sistema non sono supportati in questo flusso d’uso rilasciato, quindi inserisci compito e requisiti della risposta nell’input utente, anziché trasferire una convenzione di prompt di sistema da un altro modello Mistral.
Seleziona una registrazione contenente il materiale pertinente alla domanda, mantieni chiaro il parlato udibile e specifica se il risultato deve essere una trascrizione, traduzione, risposta o riepilogo. L’output documentato è testo. Una risposta parlata richiede una componente text-to-speech, e identificazione dei parlanti, diarizzazione dettagliata o timestamp a livello di parola non devono essere dedotti dall’affermazione generale sulla comprensione dell’audio per questo rilascio esatto.
Gli esempi di generazione da 500 token della scheda sono impostazioni esemplificative, non una capacità massima di output dichiarata separatamente. Conserva l’edizione 2507, le indicazioni di durata specifiche del compito e la lingua di input quando prepari un flusso ripetibile. L’elaborato finale utile è il testo richiesto, collegato alla registrazione e formattato per il passaggio successivo documentale o applicativo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti mistralai/voxtral-small-24b-2507 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
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 | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0006 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0006 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "mistralai/voxtral-small-24b-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/voxtral-small-24b-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/voxtral-small-24b-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Summarize a supplied meeting transcript\n\nSummarize this supplied transcript text: 'Ana: We will keep the current label. Ben: I will check the revised barcode by Tuesday. Ana: Shipping timing is still unconfirmed. Ben: Agreed.' Return topics, explicit decisions and follow-up actions. Separate the unresolved shipping date from decisions, and include owners or deadlines only when stated in the transcript.A meeting summary with topics, one decision, an owned action and an unresolved timing item.Check that keeping the label is the decision and shipping timing remains unconfirmed.