Mistral: Voxtral Mini Transcribe
Voxtral Mini Transcribe 2 paverčia įrašus tekstu su kalbėtojų diarizacija, žodžių laiko žymomis ir žodyno nukreipimu. Mistral šiai į transkripciją orientuotai versijai dokumentuoja 13 kalbų ir iki trijų valandų įrašus; ji atskira nuo Voxtral Realtime.
Apie modelį
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Voxtral Mini Transcribe 2 – į transkripciją orientuota Mistral AI Voxtral versija, gamintojo modelio kortelėje identifikuojama kaip voxtral-mini-2602. Ji skirta įrašais paremtai paketinei transkripcijai, o ne platesniam pradinio Voxtral Mini 3B modelio atsakymo į klausimus vaidmeniui. Įvestis yra garsas, o rezultatas – transkribuotas tekstas, pasirinktinai papildytas kalbėtojų žymomis ir laiko informacija. Praktiniai taikymai apima susitikimų transkripcijas, interviu analizę, kelių dalyvių pokalbių įrašus ir su įrašyta medija sulygiuotą tekstą.
Gamintojas dokumentuoja kalbėtojų diarizaciją bei pradžios ir pabaigos laiką, kad transkripcija galėtų parodyti, kas ir kada kalbėjo. Žodžių laiko žymos padeda kurti subtitrus, ieškoti garse ir susieti teksto ištrauką su jos vieta įraše. Gamintojo gidas leidžia segmentų ar žodžių laiko žymų detalumą. Interviu atveju naudingas artefaktas – priskirtų ištraukų seka su laikais; ruošiant subtitrus žodžių ar segmentų laikai gali padėti vėlesniam titravimo žingsniui, užuot vertę laiką spėti iš paprasto transkripcijos teksto.
Kontekstinis nukreipimas priima iki 100 žodžių ar frazių, nukreipiančių modelį į numatytą vardų, techninių terminų ir srities žodyno rašybą. Mistral teigia, kad ši funkcija optimizuota anglų kalbai, o kitų kalbų palaikymas eksperimentinis. Paruoškite tikslinį žodyno sąrašą pagal įrašo temą, o ne nesusijusį žodynėlį. Originalus pavyzdys galėtų pateikti projektų pavadinimus ir specialiuosius terminus, tikėtinus techninėje diskusijoje, tada patikrinti jų rašybą užbaigtoje transkripcijoje.
Ši versija palaiko trylika kalbų: anglų, kinų, hindi, ispanų, arabų, prancūzų, portugalų, rusų, vokiečių, japonų, korėjiečių, italų ir olandų. Gamintojas taip pat dokumentuoja atsparumą triukšmui ir iki trijų valandų įrašus vienoje užklausoje. Tai priklauso Mini Transcribe 2 įrašų procesui; pradinio 2507 garso supratimo modelio konteksto ir trukmės teiginiai aprašo kitą laidą. Prieinamas automatinis kalbos nustatymas, o gidas teigia, kad aiškus žinomos garso kalbos nurodymas gali pagerinti transkripcijos tikslumą.
Dokumentuotame gamintojo procese garsą galima pateikti kaip įkeliamą failą, anksčiau įkelto failo identifikatorių ar nurodytą įrašą. Pridėta įkėlimo demonstracija priima MP3, WAV, M4A, FLAC ir OGG įrašus; demonstruotam įkėlimo procesui pasirinkite vieną šių formatų. Įrašas turi būti dekoduojamas ir apimti aktualią kalbą. Ilgai medžiagai išsaugokite identifikatorių bei laiko pradžią, kad vėlesnes ištraukas ar pakeitimus vis dar būtų galima atsekti iki šaltinio.
Transkripcijos atskaitos aprašas grąžina tekstą ir nustatytą kalbą bei segmentus, kai jų prašoma, ir atskirai dokumentuoja srautinius transkripcijos įvykius. Diarizacija pasirenkama ir pagal numatytuosius nustatymus yra false. Gidas pažymi, kad timestamp_granularities ir aiškus language nustatymas šiuo metu nesuderinami, todėl rinkitės pageidaujamą laiko žymų procesą arba rankinę kalbos užuominą, o ne derinkite juos. Transkripciją su kalbėtojų žymomis, žodyno nukreipimą ir laikus reikia pasirinkti pagal numatytą rezultatą, o ne numanyti iš bazinės užklausos.
Persidengianti kalba – esminis apribojimas: Mistral teigia, kad kalbėtojams kalbant vienu metu modelis paprastai transkribuoja vieną kalbėtoją. Todėl pažymėta transkripcija neturi būti laikoma išsamiu kiekvieno vienu metu pasakyto sakinio įrašu. Susitikimo įrašui sudėtingus persidengimus, svarbius vardus ar skaičius tikrinkite pagal garsą. Modelio paskirtis – transkripcija; santrauka, vertimas ar analizė gali būti atskira užduotis pagal tą transkripciją. Voxtral Realtime turi atskirą tiesioginės transkripcijos delsos variantą, o kalbos generavimas priklauso kitiems modeliams.
Paruoškite rezultatą tolesniam naudojimui. Susitikimo procesas gali išsaugoti transkripciją, kalbėtojų žymas ir laikus prieš atskiram etapui išgaunant sprendimus; medijos procesas gali naudoti laikus ištraukoms rasti ir subtitrams parengti; daug terminijos turintis įrašas gali apimti tikslinį kontekstinio nukreipimo sąrašą ir gautos rašybos peržiūrą. Naudingas rezultatas – tekstas, susietas su šaltinio įrašu ir sukonfigūruotais metaduomenimis, išlaikant šią numeruotą transkripcijos versiją atskirai nuo pradinio Mini modelio ir kintančių latest pavadinimų.
Ailoot Ultra · Transkribavimas POST /v1/audio/transcriptions mistralai/voxtral-mini-transcribe
mistralai/voxtral-mini-transcribe
mistralai/voxtral-mini-transcribePradžia
Voxtral Mini Transcribe 2 paverčia įrašus tekstu su kalbėtojų diarizacija, žodžių laiko žymomis ir žodyno nukreipimu. Mistral šiai į transkripciją orientuotai versijai dokumentuoja 13 kalbų ir iki trijų valandų įrašus; ji atskira nuo Voxtral Realtime.
- 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-transcribe | Numatyta— |
Laukasinput_audio | Tipasobject | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Metodo parametrai ir gyvavimo ciklas
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, input_audio |
Parametrasmaterial_types | Specifikacijaaudio |
Parametrasmaterial_conditions | SpecifikacijaPavyzdys nuskaito jūsų tikrą netuščią PCM WAV failą, visus failo baitus užkoduoja base64 formatu ir siunčia input_audio.format reikšmę wav. |
Gyvavimo ciklas: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · tikslus task_id iš esamo jums priklausančio medijos įrašo
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Planai
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)
Ailoot įkainiai
Kainos pagal konfigūraciją
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Apskaitos vienetas | Mokestis |
|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Apskaitos vienetas— | Mokestis Įvestis · Įvesties tokenai — / 1K tokenų Išvestis · Išvesties tokenai — / 1K tokenų Įvestis · Talpyklos skaitymas — / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| Konfigūracijaįvesties garso sekundė | Įkainių lentelė— | Apskaitos vienetasuž įvesties garso sekundę | Mokestis Įvestis · įvesties garso sekundė $0.0001 už įvesties garso sekundę |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Užklausų pavyzdžiai
Ailoot Ultra · Transkribavimas
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual 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.
Gauti ir išsaugoti rezultatus
Ailoot Ultra · Transkribavimas
Visas pradinis atsakymo turinys, būsena ir persiųstos antraštės. Ši apdorojimo funkcija neprideda universalios JSON struktūros, teksto lauko ar užduoties apgaubiančios struktūros.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
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 tikrąjį X-Client-Request-ID ir visą atsakymą. Skaitykite pradinių jums priklausančių išteklių duomenis ir naudokite tikslius jų pasirašytus turinio URL; niekada neteikite kūrimo užklausos dar kartą, kai jos baigtis neaiški.
Atsakymo laukai
| Laukas | Tipas |
|---|---|
Laukastext (when present) | Tipas |
Laukasusage (when present) | Tipas |
Klaidos ir tolesni veiksmai
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaJSON turinys arba aiškiai nurodytas kanoninis modelio ID netinkamas. | Kitas žingsnisIšsaugokite atsakymą ir pataisykite nurodytą užklausos lauką. |
Atsakymas401 · authentication_error | SąlygaAiloot API raktas negalioja. | Kitas žingsnisNaudokite savo įgaliotą Ailoot API raktą. |
Atsakymas403 · permission_error | SąlygaRakto grupei nesuteikta prieiga prie šio metodo. | Kitas žingsnisIšsaugokite grąžintą išsamią klaidos informaciją. |
Atsakymas404 · not_found_error | SąlygaPasirinktas metodas neturi leistino maršruto. | Kitas žingsnisIšsaugokite grąžintą išsamią klaidos informaciją. |
Atsakymas422 · price_unavailable | SąlygaPagal priimtą tarifą nepavyksta gauti privalomo įvesties kiekio ar jo ribos. | Kitas žingsnisIšsaugokite atsakymą; naudokite priimtam tarifui reikalingą įvesties pateikimo formą. |
Atsakymas503 · | SąlygaPrivaloma saugykla, maršrutas, metodo kaina arba rezervavimas nepasiekiami. | Kitas žingsnisIšsaugokite visą pradinį atsakymą. Neaiškus lėšų rezervavimas nėra leidimas teikti užklausą pakartotinai. |
Atsakymas502 · server_error | SąlygaPradinį rezultatą, naudojimo duomenis arba atsiskaitymą reikia patikrinti. | Kitas žingsnisIšsaugokite tikrą užklausos ID ir pradinį atsakymą. Skaitykite esamą jums priklausantį įrašą; neteikite kūrimo užklausos pakartotinai. |
Pseudonimai
Modelių pseudonimai
Ailoot Ultra mistralai/voxtral-mini-transcribe
Metodų kelių pseudonimai
Naudokite aukščiau nurodytus metodų kelius.
Susiję ID iškvietimui
FAQ · Mistral: Voxtral Mini Transcribe
- Kokios įvestys ir rezultatai prieinami?
POST /v1/audio/transcriptions·mistralai/voxtral-mini-transcribe:audio→text- Kokius laukus naudoja užklausa?
POST /v1/audio/transcriptions·mistralai/voxtral-mini-transcribe:model,input_audio