Mistral: Voxtral Small 24B 2507 STT

Voxtral Small 1.0 24B 2507은 Mistral Small 언어 모델 기반에 오디오 입력과 음성 이해를 추가합니다. 오디오와 텍스트를 입력받아 전사문, 녹음에 관한 답변, 번역, 구조화된 요약 등의 텍스트를 반환합니다. 이 모델은 명명된 24B 음성 이해 버전으로 Voxtral Mini, 전사에 최적화된 서비스 변형, 이후 Voxtral 음성 생성 또는 실시간 릴리스와 구분됩니다.

전사와 오디오 이해

모델에는 전용 순수 전사 모드가 있습니다. 제조사는 기본적으로 원본 오디오의 언어를 자동 예측하고 그에 따라 전사한다고 명시합니다. 해석이나 요약이 아니라 발화 문구 자체가 원하는 산출물일 때 이 모드를 사용하세요. 결과가 원래 언어를 유지해야 하는지, 별도로 요청한 번역이 뒤따라야 하는지 지정하세요.

오디오 이해를 사용하면 별도의 음성 인식 모델과 텍스트 모델을 먼저 연결하지 않고도 녹음에 관해 직접 질문할 수 있습니다. 어떤 주제가 논의되었는지, 어떤 결정이 언급되었는지, 녹음의 어떤 정보가 특정 질문에 답하는지 요청할 수 있습니다. 결과는 발화된 모든 단어의 전체 전사 대신 간결한 응답이나 정리된 요약이 될 수 있습니다.

회의 요약에서는 녹음을 제공하고 반환할 필드인 주제, 명시적으로 언급된 결정, 후속 조치를 정의하세요. 이름이나 날짜는 녹음에서 실제 언급된 경우에만 요청하고 미해결 세부 사항을 결정과 구분하세요. 인터뷰에서는 특정 질문에 대한 답과 이해에 필요한 주변 맥락을 요청하세요. 이런 출력 설계는 오디오 작업을 이후 누군가 사용할 수 있는 문서와 연결합니다.

컨텍스트, 길이, 언어

제조사는 32k토큰 컨텍스트와 전사 최대 30분 또는 이해 최대 40분의 오디오를 문서화합니다. 두 길이 수치는 작업 범위가 다릅니다. 녹음을 선택하기 전에 원하는 작업을 정하고 사용 가능한 컨텍스트를 계획할 때 텍스트 지침과 대화를 포함하세요. 긴 녹음과 긴 서면 답변은 모두 자원을 사용합니다. 길이에 관한 설명은 별도로 무제한 답변 길이를 약속하는 것이 아닙니다.

릴리스는 주요 지원 언어로 영어, 스페인어, 프랑스어, 포르투갈어, 힌디어, 독일어, 네덜란드어, 이탈리아어를 명시하며 자동 언어 감지를 제공합니다. 음성 번역에서는 최종 언어와 원래 형태를 유지할 용어를 설정하세요. 한 언어의 오디오에 관한 질문에서는 녹음 언어와 답변을 작성할 언어를 구분하세요.

여러 녹음과 후속 질문

모델 카드는 한 메시지의 여러 오디오 입력과 여러 사용자 턴의 오디오를 지원합니다. 녹음을 비교할 때 각 녹음에 식별자를 부여하고 역할을 명시하세요. 실용적인 요청은 구두 설명의 두 버전을 비교하여 어떤 조건이 바뀌었는지 질문하고 녹음마다 별도 열을 가진 표를 반환하도록 할 수 있습니다. 식별자는 모델의 발견 사항을 올바른 원본과 연결해 유지하는 데 도움이 됩니다.

후속 질문은 이전 질문과 답변을 유지하면서 더 좁은 세부 사항을 묻거나 다른 녹음을 제공할 수 있습니다. 예를 들어 먼저 논의에서 나온 결정을 요청한 뒤 어떤 결정이 특정 요구 사항과 관련되는지 질문하세요. 같은 릴리스는 텍스트 전용 및 오디오 전용 요청도 시연합니다. 텍스트 기반 모델이 서면 질문이나 결과를 처리하고 오디오 기능은 음성의 근거를 제공합니다.

음성 기반 함수

제조사는 발화 의도에서 시작하는 함수 호출을 설명하며 공개된 모델 카드의 함수 호출 예시를 실험적 지원으로 표시합니다. 이 워크플로에서 애플리케이션이 함수와 인수를 정의하고 모델이 요청으로부터 호출을 준비하면 애플리케이션이 실행하고 결과를 제공합니다. 따라서 음성 기반 조회는 연결된 도구의 정보를 사용해 서면 답변을 반환할 수 있습니다. 함수 호출은 모델이 외부 서비스를 자동으로 통제하거나 이름을 언급하는 것만으로 작업을 수행한다는 의미가 아닙니다.

함수의 목적과 필수 정보를 명확히 유지하세요. 녹음에서 작업을 요청하지만 필수 값이 빠져 있다면 애플리케이션은 여전히 함수 실행을 위해 그 값이 필요합니다. 다음 응답이 실제 작업 결과를 참조할 수 있도록 발화된 요청, 제안된 인수, 반환 결과를 구분하세요.

권장 설정과 유용한 범위 설정

오디오 이해와 채팅 완성에는 모델 카드가 temperature 0.2와 top-p 0.95를 권장합니다. 전사에는 temperature 0.0을 권장합니다. 공개된 이 사용 흐름에서는 시스템 프롬프트가 지원되지 않는다고 명시하므로 다른 Mistral 모델의 시스템 프롬프트 관행을 옮기지 말고 사용자 입력에 작업과 응답 요구 사항을 배치하세요.

질문과 관련된 자료가 포함된 녹음을 선택하고 음성이 명확히 들리게 유지하며 결과가 전사, 번역, 답변, 요약 중 무엇이어야 하는지 지정하세요. 문서화된 출력은 텍스트입니다. 음성 응답에는 텍스트 음성 변환 구성 요소가 필요하며 이 정확한 릴리스의 일반적인 오디오 이해 설명만으로 화자 식별, 상세 화자 분리, 단어별 타임스탬프를 추정해서는 안 됩니다.

모델 카드의 500토큰 생성 예시는 설정 예시이며 별도로 명시된 최대 출력 용량이 아닙니다. 반복 가능한 워크플로를 준비할 때 2507 버전, 작업별 길이 안내, 입력 언어를 유지하세요. 유용한 최종 산출물은 녹음과 연결되고 다음 문서 또는 애플리케이션 단계에 맞게 형식화된 요청한 텍스트입니다.