Mistral: Voxtral Small 24B 2507 STT
Voxtral Small 1.0 24B 2507 – teksto ir garso modelis transkripcijai, kalbos vertimui, klausimams bei santraukoms. Gamintojas dokumentuoja 32 tūkst. žetonų kontekstą, iki 30 minučių transkripcijai arba 40 minučių supratimui, kelias garso įvestis ir tekstinius rezultatus.
Apie modelį
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Voxtral Small 1.0 24B 2507 papildo Mistral Small kalbos modelio pagrindą garso įvestimi ir kalbos supratimu. Jis priima garsą bei tekstą ir grąžina tekstą, įskaitant transkripciją, atsakymą apie įrašą, vertimą ar struktūruotą santrauką. Tai įvardyta 24B kalbos supratimo versija, atskira nuo Voxtral Mini, transkripcijai optimizuotų paslaugos variantų ir vėlesnių Voxtral kalbos generavimo ar realiojo laiko laidų.
Transkripcija ir garso supratimas
Modelis turi specialų grynosios transkripcijos režimą. Gamintojas teigia, kad pagal numatytuosius nustatymus jis automatiškai nustato šaltinio garso kalbą ir atitinkamai transkribuoja. Šį režimą naudokite, kai pageidaujamas artefaktas – pati pasakyta formuluotė, o ne interpretacija ar santrauka. Įvardykite, ar rezultatas turi išsaugoti originalo kalbą, ar po jo turi eiti atskirai prašomas vertimas.
Garso supratimas leidžia tiesiogiai užduoti klausimą apie įrašą, prieš tai nejungiant atskiro kalbos atpažinimo modelio su teksto modeliu. Užklausa gali klausti, kokia tema aptarta, koks sprendimas paskelbtas ar kokia įrašo informacija atsako į konkretų klausimą. Rezultatas gali būti glaustas atsakymas ar sutvarkyta santrauka, o ne visa kiekvieno pasakyto žodžio transkripcija.
Susitikimo santraukai pateikite įrašą ir apibrėžkite grąžintinus laukus: temas, aiškiai pasakytus sprendimus ir tolesnius veiksmus. Vardų ar datų prašykite tik tada, kai jie faktiškai nurodyti įraše, o neišspręstas detales laikykite atskirai nuo sprendimų. Interviu atveju prašykite atsakymo į konkretų klausimą ir jį suprantamą darančio aplinkinio konteksto. Tokia išvesties struktūra susieja garso užduotį su dokumentu, kurį kas nors galės naudoti vėliau.
Kontekstas, trukmė ir kalbos
Gamintojas dokumentuoja 32 tūkst. žetonų kontekstą ir iki 30 minučių garsą transkripcijai arba 40 minučių supratimui. Šie du trukmės skaičiai taikomi skirtingoms užduotims. Prieš rinkdamiesi įrašą, pasirinkite pageidaujamą operaciją, o planuodami prieinamą kontekstą įtraukite tekstinę instrukciją bei pokalbį. Ilgas įrašas ir ilgas rašytinis atsakymas abu naudoja išteklius; trukmės teiginys nėra atskiras neriboto atsakymo ilgio pažadas.
Laidoje tarp pagrindinių palaikomų kalbų įvardytos anglų, ispanų, prancūzų, portugalų, hindi, vokiečių, olandų ir italų bei pateikiamas automatinis kalbos nustatymas. Kalbos vertimui nurodykite galutinę kalbą ir terminus, kurie turi išlaikyti originalią formą. Klausimui apie garsą viena kalba atskirkite įrašo kalbą nuo kalbos, kuria turi būti parašytas atsakymas.
Keli įrašai ir papildomi klausimai
Kortelė palaiko kelias garso įvestis viename pranešime ir garsą per kelis naudotojo ėjimus. Lygindami suteikite kiekvienam įrašui identifikatorių ir nurodykite jo vaidmenį. Praktinė užklausa gali palyginti dvi sakytinio paaiškinimo versijas, paklausti, kurios sąlygos pasikeitė, ir grąžinti lentelę su atskiru stulpeliu kiekvienam įrašui. Identifikatoriai padeda susieti modelio išvadas su teisingu šaltiniu.
Papildomas klausimas gali išsaugoti ankstesnį klausimą bei atsakymą ir prašyti siauresnės detalės arba pateikti kitą įrašą. Pavyzdžiui, pirmiausia prašykite diskusijos sprendimų, tada paklauskite, kuris sprendimas susijęs su konkrečiu reikalavimu. Ta pati laida taip pat demonstruoja vien tekstines ir vien garsines užklausas. Tekstinis jos pagrindas gali dirbti su rašytiniu klausimu ar rezultatu, o garso galimybė pateikia kalbos įrodymus.
Balsu valdomos funkcijos
Gamintojas aprašo funkcijų kvietimą iš sakytinio ketinimo ir išleistos kortelės funkcijų kvietimo pavyzdį žymi kaip eksperimentinį palaikymą. Šiame procese programa apibrėžia funkciją bei jos argumentus, modelis pagal užklausą paruošia kvietimą, o programa jį vykdo ir pateikia rezultatą. Taigi balsinė paieška gali grąžinti rašytinį atsakymą pagal prijungto įrankio informaciją. Funkcijų kvietimas nereiškia, kad modelis automatiškai valdo išorinę paslaugą ar atlieka veiksmą vien jį įvardijęs.
Aiškiai išlaikykite funkcijos paskirtį ir reikiamą informaciją. Jei įraše prašoma operacijos, bet praleista privaloma reikšmė, programai vis tiek jos reikia funkcijai vykdyti. Atskirkite sakytinį prašymą, siūlomus argumentus ir grąžintą rezultatą, kad kitas atsakymas galėtų remtis faktine operacijos baigtimi.
Rekomenduojami nustatymai ir naudingos ribos
Garso supratimui ir pokalbio užbaigimui kortelė rekomenduoja temperatūrą 0.2 bei top-p 0.95. Transkripcijai ji rekomenduoja temperatūrą 0.0. Joje aiškiai teigiama, kad šis išleistas naudojimo procesas nepalaiko sisteminių užklausų, todėl užduotį bei atsakymo reikalavimus pateikite naudotojo įvestyje, o ne perkelkite sisteminių užklausų susitarimą iš kito Mistral modelio.
Pasirinkite įrašą su klausimui aktualia medžiaga, užtikrinkite aiškiai girdimą kalbą ir nurodykite, ar rezultatas turi būti transkripcija, vertimas, atsakymas ar santrauka. Dokumentuota išvestis yra tekstas. Sakytiniam atsakymui reikia teksto į kalbą komponento, o kalbėtojų atpažinimo, išsamios diarizacijos ar žodžių laiko žymų negalima numanyti iš bendro šios konkrečios laidos garso supratimo teiginio.
Kortelės 500 žetonų generavimo pavyzdžiai yra pavyzdiniai nustatymai, o ne atskirai nurodyta didžiausia išvesties talpa. Ruošdami pakartojamą procesą, išsaugokite 2507 versiją, konkrečiai užduočiai taikomas trukmės gaires ir įvesties kalbą. Naudingas galutinis artefaktas – prašomas tekstas, susietas su įrašu ir suformatuotas kitam dokumento ar programos žingsniui.
Ailoot Ultra · Transkribavimas POST /v1/audio/transcriptions mistralai/voxtral-small-24b-2507-stt
mistralai/voxtral-small-24b-2507-stt
mistralai/voxtral-small-24b-2507-sttPradžia
Voxtral Small 1.0 24B 2507 – teksto ir garso modelis transkripcijai, kalbos vertimui, klausimams bei santraukoms. Gamintojas dokumentuoja 32 tūkst. žetonų kontekstą, iki 30 minučių transkripcijai arba 40 minučių supratimui, kelias garso įvestis ir tekstinius rezultatus.
- 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-small-24b-2507-stt | 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 $0.0001 už įvesties garso sekundę |
| KonfigūracijaNumatoma generavimo kaina | Įkainių lentelė— | Numatomas kiekisvieno generavimo įvertis | Apskaitos vienetas— | Mokestis Išvestis · Numatoma generavimo kaina · Įvertis tik palyginimui $0.0001 įvertis prieš generavimą Šis įvertis nėra papildomas mokestis ar fiksuotas užbaigto generavimo įkainis. |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Užklausų pavyzdžiai
Ailoot Ultra · Transkribavimas
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'mistralai/voxtral-small-24b-2507-stt', 'input_audio': {'data': '${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-small-24b-2507-stt
Metodų kelių pseudonimai
Naudokite aukščiau nurodytus metodų kelius.
Susiję ID iškvietimui
FAQ · Mistral: Voxtral Small 24B 2507 STT
- Kokios įvestys ir rezultatai prieinami?
POST /v1/audio/transcriptions·mistralai/voxtral-small-24b-2507-stt:audio→text- Kokius laukus naudoja užklausa?
POST /v1/audio/transcriptions·mistralai/voxtral-small-24b-2507-stt:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Kokie apribojimai taikomi?
POST /v1/audio/transcriptions·mistralai/voxtral-small-24b-2507-stt:temperature.minimum:0;temperature.maximum:1