Source: https://ailoot.ai/models/ja/mistralai-voxtral-mini-transcribe/ Canonical: https://ailoot.ai/models/ja/mistralai-voxtral-mini-transcribe/ Language: ja # Mistral: Voxtral Mini Transcribe [Markdown](https://ailoot.ai/models/ja/mistralai-voxtral-mini-transcribe/index.md) · [JSON](https://ailoot.ai/models/ja/mistralai-voxtral-mini-transcribe/facts.json) ## [Mistral: Voxtral Mini Transcribe](https://ailoot.ai/models/ja/mistralai-voxtral-mini-transcribe/) Voxtral Mini Transcribe 2は、話者分離、単語単位のタイムスタンプ、語彙バイアス付きで録音をテキストに変換します。Mistralは、この文字起こし特化版で13言語と最大3時間の録音への対応を文書化しており、Voxtral Realtimeとは別のモデルです。 - [**Ailoot Ultra · 文字起こし** `POST /v1/audio/transcriptions` `mistralai/voxtral-mini-transcribe`](https://ailoot.ai/models/ja/mistralai-voxtral-mini-transcribe/#method-0) モデルについて この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。 Voxtral Mini Transcribe 2は、開発元のモデルカードでvoxtral-mini-2602と識別される、Mistral AIの文字起こし特化型Voxtralです。元のVoxtral Mini 3Bの幅広い質問応答の役割とは異なり、録音を使うバッチ文字起こし向けに設計されています。入力は音声、結果は文字起こしテキストで、任意で話者ラベルや時間情報を追加できます。会議の議事録、インタビュー分析、複数人の通話記録、録音メディアと対応するテキストなどに利用できます。 開発元は話者分離と開始・終了時刻を文書化し、誰がいつ話したかを文字起こしに示せるようにしています。単語単位のタイムスタンプは、字幕、音声検索、文章と録音内の位置の対応に役立ちます。開発元ガイドでは、区間または単語のタイムスタンプ粒度を選べます。インタビューなら発言者と時刻を付けた文章の列が、字幕準備なら単語や区間の時刻が有用です。単純な文字起こしから時刻を推測せず、後の字幕作成の指針にできます。 コンテキストバイアスは最大100の単語やフレーズを受け取り、名前、技術用語、専門語彙を意図した綴りへ誘導します。Mistralは、英語に最適化され、他言語は実験的な対応としています。無関係な用語集ではなく、録音のテーマに合う語彙リストを用意してください。独自の例として、技術的な議論に出そうなプロジェクト名と専門用語を渡し、完成した文字起こしで綴りを確認できます。 この版は、英語、中国語、ヒンディー語、スペイン語、アラビア語、フランス語、ポルトガル語、ロシア語、ドイツ語、日本語、韓国語、イタリア語、オランダ語の13言語に対応します。開発元は、ノイズへの強さと、1リクエストで最大3時間の録音も文書化しています。これらはMini Transcribe 2の録音ワークフローに属します。元の2507音声理解モデルのコンテキストや時間の記載は別のリリースの説明です。自動言語検出を利用でき、ガイドは既知の音声言語を明示すると文字起こし精度を改善できるとしています。 文書化された開発元のワークフローでは、アップロードしたファイル、アップロード済みファイルの識別子、参照された録音として音声を提供できます。付随するアップロードのデモはMP3、WAV、M4A、FLAC、OGGを受け付けるため、実演されたアップロード方法ではこれらの形式を選んでください。録音をデコード可能にし、関連する発話を含めます。長い資料では識別子と時間の起点を保持し、後の抜粋や編集も原資料まで追跡できるようにします。 文字起こしのリファレンスは、テキストと検出言語を返し、要求した場合は区間も返します。ストリーミングの文字起こしイベントも別に文書化しています。話者分離は任意で、既定値はfalseです。ガイドはtimestamp\_granularitiesと明示的なlanguage設定が現在は併用できないと説明しているため、組み合わせずに、時間情報のワークフローか手動の言語ヒントを選びます。話者ラベル、語彙バイアス、時間情報は、基本リクエストにあると仮定せず、求める結果に合わせて選んでください。 重なった発話は実質的な制限です。Mistralによると、話者が重なると通常は1人だけを文字起こしします。したがって、ラベル付きの文字起こしを、同時に話されたすべての発言の完全な記録と見なすべきではありません。会議記録では、難しい重なりや重要な名前・数値を録音と照合します。モデルの目的は文字起こしです。要約、翻訳、分析は、その文字起こしを使う別タスクにできます。Voxtral Realtimeのリアルタイム文字起こしには別の遅延仕様があり、音声生成は他のモデルに属します。 次の用途に向けて結果を準備します。会議のワークフローでは、別の段階で決定事項を抽出する前に、本文、話者ラベル、時刻を保持できます。メディアのワークフローでは、時刻で文章の場所を探し、字幕を下書きできます。専門用語の多い録音では、絞り込んだコンテキストバイアスのリストと、結果の綴りの確認を含められます。有用な成果物は、元の録音と設定したメタデータに結び付くテキストです。この番号付き文字起こし版を、元のMiniや更新に追従するlatest名と区別してください。 **Ailoot Ultra · 文字起こし** `POST /v1/audio/transcriptions` `mistralai/voxtral-mini-transcribe` [`mistralai/voxtral-mini-transcribe`](https://ailoot.ai/models/ja/#m=mistralai%2Fvoxtral-mini-transcribe&route=Ultra&caller=mistralai%2Fvoxtral-mini-transcribe&fmt=transcriptions) Mistral /`mistralai/voxtral-mini-transcribe` ### はじめに Voxtral Mini Transcribe 2は、話者分離、単語単位のタイムスタンプ、語彙バイアス付きで録音をテキストに変換します。Mistralは、この文字起こし特化版で13言語と最大3時間の録音への対応を文書化しており、Voxtral Realtimeとは別のモデルです。 対応する入力 音声 結果 テキスト ### Ailootで利用可能 · 入力とメソッド **Ailoot Ultra · 文字起こし** `POST /v1/audio/transcriptions` 入力の種類 `audio` 出力の種類 `text` | フィールド | 種類 | 要件 | 値と制限 | デフォルト | | --- | --- | --- | --- | --- | | フィールド`model` | 種類`string` | 要件必須 | 値と制限 mistralai/voxtral-mini-transcribe | デフォルト— | | フィールド`input_audio` | 種類`object` | 要件必須 | 値と制限 | デフォルト— | メソッドのパラメータとライフサイクル | パラメータ | 仕様 | | --- | --- | | パラメータ`content_type` | 仕様application/json | | パラメータ`required` | 仕様model, input\_audio | | パラメータ`material_types` | 仕様audio | | パラメータ`material_conditions` | 仕様この例では、実際の空でないPCM WAVファイルを読み込み、ファイル全体のバイト列をbase64にエンコードして、input\_audio.formatをwavとして送信します。 | ライフサイクル: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · 既存の所有メディアレコードにある正確なtask\_id `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### 料金 料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。 高速モード 未指定 高速モードが選択されている場合 Flex モード 未指定 flex モードが選択されている場合 最大推論量 未指定 推論量が最大で、調整に既定値（default）を使用する場合 #### Ailootの料金 #### 設定別の価格 各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。 | 設定 | 料金表 | 課金単位 | 料金 | | --- | --- | --- | --- | | 設定基本トークン料金 | 料金表基本料金 | 課金単位— | 料金 入力 · 入力トークン **—** / 1K トークン 出力 · 出力トークン **—** / 1K トークン 入力 · キャッシュ読み取り **—** / 1K トークン 入力 · キャッシュ書き込み **—** / 1K トークン 入力 · キャッシュ書き込み、1時間 **—** / 1K トークン | | 設定入力音声の秒 | 料金表— | 課金単位入力音声1秒あたり | 料金 入力 · 入力音声の秒 **$0.0001** 入力音声1秒あたり | Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。[金額の確保と精算の仕組み →](https://ailoot.ai/docs/ja/billing/reserve/) ### リクエスト例 #### Ailoot Ultra · 文字起こし curl · 実際の WAV ファイルと元の結果全体 ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}" export AILOOT_AUDIO_FILE python3 - <<'PY_REQUEST' import base64, io, json, os, wave from pathlib import Path audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'): raise SystemExit('Supply your actual PCM WAV audio file') with wave.open(io.BytesIO(audio), 'rb') as recording: if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0: raise SystemExit('Supply a nonempty PCM WAV recording') request = {'model': 'mistralai/voxtral-mini-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}} Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Retain the complete original response, headers and actual X-Client-Request-ID. # Read existing owned records for recovery; do not resubmit an uncertain operation. ``` ### 結果を受け取って保存 #### Ailoot Ultra · 文字起こし 元のレスポンス本文全体、ステータス、および転送されたヘッダー。このハンドラーは共通のJSON構造、テキストフィールド、タスクの外側の構造を追加しません。 - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### 完了した結果をすべて保存 返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。 レスポンスとヘッダーの全体、実際の出力すべて、最初に返された識別子、使用量フィールドすべてを保存してください。作成リクエストを再送せずに、元の操作を復旧してください。 ##### 元のレスポンスを確認する場合 実際のX-Client-Request-IDと完全なレスポンスを保持してください。元の所有アセットと、その正確な署名付きコンテンツURLを読み取ってください。結果が不確かな作成リクエストは、決して再送信しないでください。 レスポンスのフィールド | フィールド | 種類 | | --- | --- | | フィールド`text (when present)` | 種類 | | フィールド`usage (when present)` | 種類 | エラーと次の手順 | レスポンス | 条件 | 次の手順 | | --- | --- | --- | | レスポンス400 · `invalid_request_error` | 条件JSON本文、または明示された正規モデルIDが無効です。 | 次の手順レスポンスを保持し、指摘されたリクエストフィールドを修正してください。 | | レスポンス401 · `authentication_error` | 条件Ailoot APIキーが無効です。 | 次の手順利用権限のあるAiloot APIキーを使用してください。 | | レスポンス403 · `permission_error` | 条件このキーのグループでは、このメソッドの利用が許可されていません。 | 次の手順返されたエラーの詳細を保持してください。 | | レスポンス404 · `not_found_error` | 条件選択したメソッドには、利用が許可されたルートがありません。 | 次の手順返されたエラーの詳細を保持してください。 | | レスポンス422 · `price_unavailable` | 条件受諾済みの料金体系に必要な入力量、またはその上限を取得できません。 | 次の手順レスポンスを保持し、受諾済みの料金体系で必要とされる入力表現を使用してください。 | | レスポンス503 · `` | 条件必要な保存領域、ルート、メソッド料金、または料金の仮押さえを利用できません。 | 次の手順元のレスポンス全体を保持してください。料金の仮押さえ状態が不明でも、再送信が認められるわけではありません。 | | レスポンス502 · `server_error` | 条件元の結果、使用量、または精算を確認する必要があります。 | 次の手順実際のリクエストIDと元のレスポンスを保持してください。既存の所有レコードを読み取ってください。作成リクエストを再送信しないでください。 | ### エイリアス #### モデルのエイリアス **Ailoot Ultra** [`mistralai/voxtral-mini-transcribe`](https://ailoot.ai/models/ja/#m=mistralai%2Fvoxtral-mini-transcribe&route=Ultra&caller=mistralai%2Fvoxtral-mini-transcribe&fmt=transcriptions) #### メソッドパスのエイリアス 上記に表示されたメソッドパスを使用してください。 #### 関連する呼び出し用ID [`mistralai/voxtral-mini-transcribe`](https://ailoot.ai/models/ja/#m=mistralai%2Fvoxtral-mini-transcribe&route=Ultra&caller=mistralai%2Fvoxtral-mini-transcribe&fmt=transcriptions) FAQ · Mistral: Voxtral Mini Transcribe 利用できる入力と結果は何ですか？ `POST /v1/audio/transcriptions` · `mistralai/voxtral-mini-transcribe`: `audio` → `text` リクエストはどの項目を使用しますか？ `POST /v1/audio/transcriptions` · `mistralai/voxtral-mini-transcribe`: `model`, `input_audio` AilootをClaude Code、OpenCode、Hermes、自分のアプリに接続しましょう。 ## 企業とそのプロジェクト群 企業とそのプロジェクト群：数百万の顧客、毎月数十億規模の売上。 ## トークンを割引価格で購入。 継続利用にサブスクリプション割引。プロモコードでトークン購入が最大50%割引。 サブスクリプション 定期的なリクエストに合う割引プランを選びましょう。 最大50%のプロモコード 購入時にコードを入力すると、実施中のキャンペーンに沿って価格を再計算します。 支出を履歴で確認 各リクエストのモデル、トークン、金額が保存されます。 [サブスクリプションを選ぶ](https://ailoot.ai/docs/ja/billing/subscriptions/) · [モデルの価格を見る](https://ailoot.ai/models/ja/) ## 販売する製品に、 APIを組み込みましょう。 SaaS、アプリ、ボットをAilootの公式サービス提供条件とライセンス契約に基づいて接続できます。再販にはリセラーライセンスを申請できます。 商用アプリ サービスの有料機能に、文章、画像、動画、音声の生成を組み込めます。 リセラーライセンス プロジェクトの説明とアクセスの仕組みをお送りください。利用・再販条件の書面を申請できます。 サイトで契約文書を確認 接続前にサービス提供条件、ライセンス契約、データ処理ポリシーを読めます。 [リセラーライセンスを申請](mailto:support@ailoot.ai) · [サービス提供条件とライセンス契約](https://ailoot.ai/legal/offer?lang=ja) ## Ailoot · 企業とそのプロジェクト群 Ailootは、蓄積した運営経験、幅広い顧客基盤、安定したサービス、継続的なKPI管理を基盤としています。 企業とそのプロジェクト群：数百万の顧客、毎月数十億規模の売上。 Ailootはこの運営経験を、お客様の製品、エージェント、アプリケーション、自動化でAI機能を利用するためのAPIアクセスに活かしています。