Mistral: Voxtral Mini Transcribe

Voxtral Mini Transcribe 2 жазбаларды сөйлеушілерді ажырату, сөз деңгейіндегі уақыт белгілері және сөздікке бейімдеу арқылы мәтінге айналдырады. Mistral транскрипцияға бағытталған осы шығарылым үшін 13 тілді және үш сағатқа дейінгі жазбаларды құжаттайды; ол Voxtral Realtime моделінен бөлек.

Ailoot Ultra · Дыбысты мәтінге түсіру POST /v1/audio/transcriptions mistralai/voxtral-mini-transcribe

Модель туралы

Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.

Voxtral Mini Transcribe 2 — өндіруші модель карточкасында voxtral-mini-2602 деп анықталған, Mistral AI компаниясының транскрипцияға бағытталған Voxtral шығарылымы. Ол бастапқы Voxtral Mini 3B моделінің кеңірек сұрақ-жауап рөліне емес, жазбаға негізделген пакеттік транскрипцияға арналған. Кірісі — аудио, ал нәтижесі — қажет болса сөйлеуші белгілерімен және уақыт ақпаратымен толықтырылған транскрипцияланған мәтін. Практикалық қолданыстарға кездесу транскрипттері, сұхбат талдауы, көптарапты қоңырау жазбалары және жазылған медиамен сәйкестендірілген мәтін кіреді.

Өндіруші транскрипт кімнің қашан сөйлегенін көрсете алуы үшін сөйлеушілерді ажыратуды және басталу/аяқталу уақытын құжаттайды. Сөз деңгейіндегі уақыт белгілері субтитрлерді, аудиодан іздеуді және мәтін үзіндісін жазбадағы орнымен сәйкестендіруді қолдайды. Өндіруші нұсқаулығы сегмент немесе сөз деңгейіндегі уақыт белгілерінің дәлдігін таңдауға мүмкіндік береді. Сұхбат үшін пайдалы артефакт — уақыты көрсетілген, сөйлеушісі белгіленген үзінділер тізбегі; субтитр дайындау үшін сөз немесе сегмент уақыты кейінгі титрлау қадамын бағыттай алады, бұл уақытты жай транскрипт мәтінінен жорамалдауды қажет етпейді.

Контекстік бейімдеу модельді атаулардың, техникалық терминдердің және салалық сөздіктің көзделген жазылуына бағыттайтын 100-ге дейін сөз немесе тіркес қабылдайды. Mistral бұл мүмкіндік ағылшын тіліне оңтайландырылғанын және басқа тілдердегі қолдау эксперименттік екенін айтады. Қатысы жоқ глоссарийдің орнына жазба тақырыбынан нақты бағытталған сөздік тізімін дайындаңыз. Өзіндік мысал техникалық талқылауда кездесуі ықтимал жоба атаулары мен маманданған терминдерді беріп, содан кейін аяқталған транскриптте сол жазылымдарды тексерер еді.

Бұл шығарылым он үш тілді қолдайды: ағылшын, қытай, хинди, испан, араб, француз, португал, орыс, неміс, жапон, корей, итальян және нидерланд тілдері. Өндіруші шуға орнықтылықты және бір сұрауда үш сағатқа дейінгі жазбаларды да құжаттайды. Бұлар Mini Transcribe 2 жазба үдерісіне тиесілі; бастапқы 2507 аудио түсіну моделінің контекст және ұзақтық мәлімдемелері басқа шығарылымды сипаттайды. Тілді автоматты анықтау бар, ал нұсқаулық белгілі аудио тілін нақты беру транскрипция дәлдігін арттыра алатынын айтады.

Құжатталған өндіруші үдерісінде аудионы жүктелген файл, бұрын жүктелген файл идентификаторы немесе сілтеме берілген жазба ретінде ұсынуға болады. Қоса берілген жүктеу көрсетілімі MP3, WAV, M4A, FLAC және OGG жазбаларын қабылдайды; көрсетілген жүктеу үдерісі үшін осы пішімдердің бірін таңдаңыз. Жазба декодталатын болсын және қатысты сөйлеуді қамтысын. Ұзақ материал үшін оның идентификаторын және уақыт санауының басталуын сақтаңыз: сонда кейінгі үзінділерді немесе өңдеулерді әлі де дереккөзге дейін қадағалауға болады.

Транскрипция анықтамасы мәтінді және анықталған тілді, сұралса сегменттерді қайтарады және ағындық транскрипция оқиғаларын бөлек құжаттайды. Диаризация міндетті емес және әдепкі мәні false. Нұсқаулық timestamp_granularities және нақты language баптауы қазір үйлесімсіз екенін атап өтеді, сондықтан оларды біріктірмей, қажетті уақыт үдерісін немесе тілді қолмен көрсетуді таңдаңыз. Сөйлеушісі белгіленген транскрипция, сөздікке бейімдеу және уақыт белгілері қарапайым сұраудан жорамалданбай, көзделген нәтижеге сай таңдалуы керек.

Қабаттасқан сөйлеу — мазмұндық шектеу: Mistral сөйлеушілер қабаттасқанда модель әдетте бір сөйлеушіні транскрипциялайтынын айтады. Сондықтан белгіленген транскрипт бір мезгілде айтылған әр сөздің толық жазбасы деп қабылданбауы керек. Кездесу жазбасы үшін қиын қабаттасуларды және маңызды атауларды немесе сандарды аудиомен салыстырып тексеріңіз. Модельдің мақсаты — транскрипция; түйіндеме, аударма немесе талдау сол транскриптке негізделген бөлек тапсырма болуы мүмкін. Voxtral Realtime моделінің тікелей транскрипцияға арналған бөлек кідіріс нұсқасы бар, ал сөйлеу жасау басқа модельдерге тиесілі.

Нәтижені келесі қолданысына дайындаңыз. Кездесу үдерісі бөлек кезең шешімдерді алғанға дейін транскриптті, сөйлеуші белгілерін және уақытты сақтай алады; медиа үдерісі үзінділерді табу және титр нобайларын жасау үшін уақытты пайдалана алады; терминологиясы мол жазба нақты бағытталған контекстік бейімдеу тізімін және нәтижедегі жазылымдарды тексеруді қамти алады. Пайдалы нәтиже — бастапқы жазбасымен және бапталған метадеректерімен байланыстырылған мәтін; бұл нөмірленген транскрипция шығарылымы бастапқы Mini моделінен және өзгеріп отыратын latest атауларынан бөлек сақталады.

Ailoot Ultra · Дыбысты мәтінге түсіру POST /v1/audio/transcriptions mistralai/voxtral-mini-transcribe

mistralai/voxtral-mini-transcribe

Mistral /mistralai/voxtral-mini-transcribe

Бастау

Қабылданатын кіріс деректері: Аудио
Нәтижелер: Мәтін

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Ailoot Ultra · Дыбысты мәтінге түсіру POST /v1/audio/transcriptions

Кіріс: audio
Шығыс: text

Өріс	Түрі	Талап	Мәндер мен шектеулер	Әдепкі
Өріс`model`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер mistralai/voxtral-mini-transcribe	Әдепкі—
Өріс`input_audio`	Түрі`object`	ТалапМіндетті	Мәндер мен шектеулер	Әдепкі—

Әдіс параметрлері мен өмірлік циклі

Параметр	Параметр талаптары
Параметр`content_type`	Параметр талаптарыapplication/json
Параметр`required`	Параметр талаптарыmodel, input_audio
Параметр`material_types`	Параметр талаптарыaudio
Параметр`material_conditions`	Параметр талаптарыМысал сіздің нақты, бос емес PCM WAV файлыңызды оқып, файлдың барлық байтын base64 пішіміне кодтайды және input_audio.format өрісін wav мәнімен жібереді.

Өмірлік цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · иелігіңіздегі бар медиа жазбасынан алынған дәл task_id

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Тарифтер

Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.

Жылдам режим: Көрсетілмеген Жылдам режим таңдалғанда
Икемді режим: Көрсетілмеген flex режимі таңдалғанда
Ой қорытудың ең жоғары деңгейі: Көрсетілмеген Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда

Ailoot мөлшерлемелері

Баптаулар бойынша бағалар

Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.

Баптау	Мөлшерлемелер кестесі	Есептеу бірлігі	Төлем
БаптауТокендердің базалық тарифтері	Мөлшерлемелер кестесіНегізгі мөлшерлеме	Есептеу бірлігі—	Төлем Кіріс · Кіріс токендері — / 1K токен Шығыс · Шығыс токендері — / 1K токен Кіріс · Кэшті оқу — / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен
Баптаукіріс аудио секунды	Мөлшерлемелер кестесі—	Есептеу бірлігікіріс аудионың секунды үшін	Төлем Кіріс · кіріс аудио секунды $0.0001 кіріс аудионың секунды үшін

Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →

Сұрау мысалдары

Ailoot Ultra · Дыбысты мәтінге түсіру

curl · нақты WAV файлы және бастапқы толық нәтиже

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.

Нәтижелерді алу және сақтау

Ailoot Ultra · Дыбысты мәтінге түсіру

Бастапқы жауаптың толық денесі, күйі және әрі қарай берілген тақырыптары. Бұл өңдегіш әмбебап JSON құрылымын, мәтін өрісін немесе тапсырманың сыртқы құрылымын қоспайды.

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Барлық дайын нәтижені сақтау

Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.

Толық жауапты және тақырыптарды, алынған әрбір нәтижені, бастапқыда қайтарылған идентификаторларды және пайдалану туралы барлық өрістерді сақтаңыз. Жасау сұрауын қайта жібермей, бастапқы операцияны қалпына келтіріңіз.

Бастапқы жауапты тексеру қажет болса

Нақты X-Client-Request-ID мәнін және толық жауапты сақтаңыз. Иелігіңіздегі бастапқы ресурстарды және олардың қолтаңбасы бар дәл мазмұн URL мекенжайларын оқыңыз; нәтижесі белгісіз жасау сұрауын ешқашан қайта жібермеңіз.

Жауап өрістері

Өріс	Түрі
Өріс`text (when present)`	Түрі
Өріс`usage (when present)`	Түрі

Қателер және келесі қадамдар

Жауап	Шарт	Келесі қадам
Жауап400 · `invalid_request_error`	ШартJSON денесі немесе нақты канондық модель ID мәні жарамсыз.	Келесі қадамЖауапты сақтап, сұраудың көрсетілген өрісін түзетіңіз.
Жауап401 · `authentication_error`	ШартAiloot API кілті жарамсыз.	Келесі қадамПайдалануға рұқсат етілген Ailoot API кілтіңізді қолданыңыз.
Жауап403 · `permission_error`	ШартКілттің тобына бұл әдісті пайдалануға рұқсат берілмеген.	Келесі қадамҚайтарылған қатенің толық мәліметін сақтаңыз.
Жауап404 · `not_found_error`	ШартТаңдалған әдісте пайдалануға рұқсат етілген маршрут жоқ.	Келесі қадамҚайтарылған қатенің толық мәліметін сақтаңыз.
Жауап422 · `price_unavailable`	ШартҚабылданған тариф өзіне қажетті кіріс мөлшерін немесе шегін ала алмайды.	Келесі қадамЖауапты сақтаңыз; қабылданған тариф талап ететін кіріс пішімін пайдаланыңыз.
Жауап503 ·	ШартҚажетті қойма, маршрут, әдіс бағасы немесе қаражат резерві қолжетімді емес.	Келесі қадамБастапқы жауапты толық сақтаңыз. Нәтижесі белгісіз қаражат резерві сұрауды қайта жіберуге рұқсат бермейді.
Жауап502 · `server_error`	ШартБастапқы нәтижені, пайдалану деректерін немесе есеп айырысуды тексеру қажет.	Келесі қадамНақты сұрау ID мәнін және бастапқы жауапты сақтаңыз. Иелігіңіздегі бар жазбаны оқыңыз; жасау сұрауын қайта жібермеңіз.

Балама атаулар

Модельдердің балама атаулары

Ailoot Ultra mistralai/voxtral-mini-transcribe

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

mistralai/voxtral-mini-transcribe

FAQ · Mistral: Voxtral Mini Transcribe

Қандай кіріс деректері мен нәтижелер қолжетімді?: POST /v1/audio/transcriptions · mistralai/voxtral-mini-transcribe: audio → text
Сұрау қандай өрістерді пайдаланады?: POST /v1/audio/transcriptions · mistralai/voxtral-mini-transcribe: model, input_audio

Mistral: Voxtral Mini Transcribe