Mistral: Voxtral Mini 3B 2507
Voxtral Mini 1.0 3B 2507 sujungia garso supratimą su kompaktišku teksto modeliu transkripcijai, kalbos vertimui, klausimams ir santraukoms. Gamintojas dokumentuoja 32 tūkst. žetonų kontekstą, iki 30 minučių transkripciją arba 40 minučių garso supratimą ir tekstinę išvestį.
Apie modelį
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Voxtral Mini 1.0 3B 2507 – kompaktiškas Mistral AI teksto ir garso supratimo modelis, sukurtas Ministral 3B kalbos modelių šeimos pagrindu. Jis priima kalbos įrašus bei tekstines instrukcijas ir generuoja tekstą, įskaitant transkripcijas, vertimus, atsakymus apie garsą bei struktūruotas santraukas. Pradinė Voxtral laida šį 3B modelį skiria kompaktiškoms ar vietinėms programoms, greta atskiro 24B Voxtral Small modelio. Jis taip pat atskiras nuo talpinamos transkripcijai optimizuotos paslaugos Voxtral Mini Transcribe.
Modelis turi specialų transkripcijos režimą, kuris pagal numatytuosius nustatymus automatiškai nustato šaltinio kalbą ir atitinkamai transkribuoja. Rinkitės šį režimą, kai reikiamas artefaktas – pasakyta formuluotė. Garso supratimas leidžia tiesioginį klausimą ar santraukos prašymą apie įrašą, nereikalaujant atskiro kalbos atpažinimo etapo, po kurio eitų teksto modelis. Taigi interviu gali pateikti visą transkripciją, vertimą ar atsakymą į siaurą klausimą; nurodykite, kurio rezultato reikia, kad šios skirtingos užduotys netaptų vienu dviprasmišku aprašu.
Konkrečios laidos kortelėje nurodytas 32 tūkst. žetonų kontekstas ir iki 30 minučių garsas transkripcijai arba 40 minučių supratimui. Tai skirtingi konkrečių užduočių trukmės teiginiai, o ne bendras garso limitas kiekvienai operacijai. Aktualų įrašą, instrukcijas ir pokalbį laikykite numatytos užduoties ribose. Gamintojo įvardytos kalbos – anglų, ispanų, prancūzų, portugalų, hindi, vokiečių, olandų ir italų, su automatiniu kalbos nustatymu. Vertimui ar atsakymui atskirkite įrašo kalbą nuo reikiamos išvesties kalbos.
Palaikomos kelios garso įvestys viename pranešime ir garsas per kelis naudotojo ėjimus. Prašydami palyginimų, suteikite kiekvienam įrašui aiškų identifikatorių. Originalus pavyzdys galėtų palyginti du sakytinius paaiškinimus ir grąžinti, kurie reikalavimai pasikeitė, su atskiru stulpeliu kiekvienam šaltiniui. Papildomas klausimas gali prašyti vienos išvados detalės ar pateikti kitą įrašą. Kortelė taip pat demonstruoja vien tekstinį ir vien garsinį naudojimą, todėl modelis gali dirbti ir su rašytiniu klausimu, ir su kalbos įrodymais.
Susitikimo santraukai pateikite įrašą ir prašykite naudingos struktūros, pavyzdžiui, temų, paskelbtų sprendimų ir tolesnių veiksmų. Neaiškius vardus, datas ar atsakomybes laikykite atskirai nuo aiškiai pasakytų faktų. Interviu atveju prašykite teiginio, atsakančio į konkretų klausimą, ir pakankamai aplinkinio konteksto, kad jis būtų suprantamas. Tai užduočių struktūros naudojamam tekstiniam artefaktui; jos nepaverčia bendro garso supratimo diarizacijos, žodžių laiko žymų ar neįvardyto kalbėtojo atpažinimo garantija.
Gamintojas aprašo funkcijų kvietimą iš sakytinio ketinimo. Tokiame procese programa pateikia funkcijų apibrėžimus, modelis pasiūlo aktualų kvietimą bei argumentus, o programa jį vykdo ir grąžina stebėjimą. Balsinis prašymas gali nukreipti paiešką ar kitą įrankiais paremtą užduotį, tačiau modelio siūlomas kvietimas skiriasi nuo įvykdyto veiksmo. Tęsdami pokalbį išsaugokite faktiškai grąžintą rezultatą, kad vėlesnis atsakymas atspindėtų tai, kas įvyko, o ne tai, ko prašyta.
Išleista naudojimo kortelė rekomenduoja temperatūrą 0.0 transkripcijai ir temperatūrą 0.2 su top_p 0.95 garso supratimui bei pokalbiui. Joje teigiama, kad šis procesas nepalaiko sisteminių užklausų, todėl užduotį ir atsakymo reikalavimus pateikite naudotojo įvestyje. Pavyzdžiai dekoduoja įrašus į garso įvestis ir apima MP3 medžiagą, tačiau nenustato išsamaus kodekų sąrašo ar atskiro griežto didžiausio išvesties ilgio. Pavyzdžių 500 žetonų generavimo nustatymas lieka pavyzdinis biudžetas.
Paruoškite aiškų įrašą su užduočiai aktualia medžiaga ir nurodykite, ar reikia originalios formuluotės, vertimo, atsakymo ar santraukos. Kortelė taip pat demonstruoja paketinę inferenciją su keliais pokalbiais – gamintojo naudojimo modelį, atskirą nuo individualaus rezultato tapatybės. Išsaugokite 3B 2507 versiją ir jos transkripcijos bei supratimo trukmės gaires; vėlesnio Mini Transcribe 2 modelio diarizacija, 13 kalbų aprėptis ir ilgesnių įrašų palaikymas yra atskiros gamintojo funkcijos.
Ailoot Ultra · Transkribavimas POST /v1/audio/transcriptions mistralai/voxtral-mini-3b-2507
mistralai/voxtral-mini-3b-2507
mistralai/voxtral-mini-3b-2507Pradžia
Voxtral Mini 1.0 3B 2507 sujungia garso supratimą su kompaktišku teksto modeliu transkripcijai, kalbos vertimui, klausimams ir santraukoms. Gamintojas dokumentuoja 32 tūkst. žetonų kontekstą, iki 30 minučių transkripciją arba 40 minučių garso supratimą ir tekstinę išvestį.
- Leidžiamos įvestys
- Garsas
- Rezultatai
- Tekstas
Prieinama Ailoot · įvestys ir metodai
Ailoot Ultra · Transkribavimas POST /v1/audio/transcriptions
- Įvestis
audio- Išvestis
text
| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos mistralai/voxtral-mini-3b-2507 | Numatyta— |
Laukasinput_audio | Tipasobject | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukaslanguage | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 0 Didžiausia reikšmė: 1 | Numatyta— |
Laukasresponse_format | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos json, verbose_json | Numatytajson |
Laukastimestamp_granularities | Tipasarray | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Metodo parametrai ir gyvavimo ciklas
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, input_audio |
Parametrasmaterial_types | Specifikacijaaudio |
Parametrasmaterial_conditions | SpecifikacijaNuskaitykite tikrą WAV failą ir užkoduokite tikruosius jo baitus deklaruotai JSON input_audio įvesčiai; šiai tiksliai vien JSON skirtai deklaracijai multipart maršrutas nesiūlomas. |
Gyvavimo ciklas: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktiškai grąžinta task_id reikšmė arba medijos bibliotekos įrašas
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Planai
Kaip apskaičiuojamas galutinis mokestis
Rodomi įkainiai leidžia įvertinti kainą prieš generavimą. Galutinė suma apskaičiuojama pagal užfiksuotą pradinio generavimo kainą. Išmatuota rezultato trukmė ir prognozuoti kiekiai nėra galutinis apmokestinamas kiekis.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
- Spartusis režimas
- Nenurodyta Pasirinkus spartųjį režimą
- Flex režimas
- Nenurodyta Pasirinkus flex režimą
- Didžiausios samprotavimo pastangos
- Nenurodyta Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)
Numatomi įkainiai palyginimui
Kainos pagal konfigūraciją
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Numatomas kiekis | Apskaitos vienetas | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Numatomas kiekis— | Apskaitos vienetas— | Mokestis Įvestis · Įvesties tokenai · Įvertis tik palyginimui — / 1K tokenų Išvestis · Išvesties tokenai · Įvertis tik palyginimui — / 1K tokenų Įvestis · Talpyklos skaitymas · Įvertis tik palyginimui — / 1K tokenų Įvestis · Rašymas į talpyklą · Įvertis tik palyginimui — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val · Įvertis tik palyginimui — / 1K tokenų |
| Konfigūracijaįvesties garso sekundė | Įkainių lentelė— | Numatomas kiekis— | Apskaitos vienetasuž įvesties garso sekundę | Mokestis Įvestis · įvesties garso sekundė · Įvertis tik palyginimui $0.0000333334 už įvesties garso sekundę |
| KonfigūracijaNumatoma generavimo kaina | Įkainių lentelė— | Numatomas kiekisvieno generavimo įvertis | Apskaitos vienetas— | Mokestis Išvestis · Numatoma generavimo kaina · Įvertis tik palyginimui $0.0000333334 įvertis prieš generavimą Šis įvertis nėra papildomas mokestis ar fiksuotas užbaigto generavimo įkainis. |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Užklausų pavyzdžiai
Ailoot Ultra · Transkribavimas
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'mistralai/voxtral-mini-3b-2507', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}
request['input_audio']['data']=base64.b64encode(audio).decode('ascii')
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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Gauti ir išsaugoti rezultatus
Ailoot Ultra · Transkribavimas
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Kito turinio skaitymas
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
-H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.
Išsaugoti visus baigtus rezultatus
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visą atsakymą ir antraštes, visus faktiškai gautus rezultatus, pradinius grąžintus identifikatorius ir visus naudojimo apskaitos laukus. Atkurkite prieigą prie pradinės operacijos pakartotinai neteikdami kūrimo užklausos.
Jei reikia patikrinti pradinį atsakymą
Išsaugokite grąžintą X-Client-Request-ID duomenims sutikrinti. Tikrinkite tik faktiškai grąžintas task_id/asset_id reikšmes arba jums priklausančią medijos biblioteką; niekada nekurkite užduoties URL iš operacijos ID ir niekada pakartotinai neteikite kūrimo užklausos.
Atsakymo laukai
| Laukas | Tipas |
|---|---|
Laukastext | Tipas |
Laukasusage | Tipas |
Laukassegments[] | Tipas |
Laukaswords[] | Tipas |
Laukasspeaker fields | Tipas |
Laukastimestamps | Tipas |
Pseudonimai
Modelių pseudonimai
Ailoot Ultra mistralai/voxtral-mini-3b-2507
Metodų kelių pseudonimai
Naudokite aukščiau nurodytus metodų kelius.
Susiję ID iškvietimui
FAQ · Mistral: Voxtral Mini 3B 2507
- Kokios įvestys ir rezultatai prieinami?
POST /v1/audio/transcriptions·mistralai/voxtral-mini-3b-2507:audio→text- Kokius laukus naudoja užklausa?
POST /v1/audio/transcriptions·mistralai/voxtral-mini-3b-2507:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Kokie apribojimai taikomi?
POST /v1/audio/transcriptions·mistralai/voxtral-mini-3b-2507:temperature.minimum:0;temperature.maximum:1