Mistral: Voxtral Mini Transcribe

Voxtral Mini Transcribe 2 ialah edisi Voxtral Mistral AI yang berfokus pada transkripsi dan dikenal pasti dalam kad model pengeluar sebagai voxtral-mini-2602. Ia direka untuk transkripsi kelompok berasaskan rakaman dan bukannya peranan soal jawab yang lebih luas bagi model Voxtral Mini 3B asal. Input ialah audio dan hasil ialah teks transkripsi, yang boleh diperkaya secara pilihan dengan label penutur dan maklumat masa. Kegunaan praktikal merangkumi transkrip mesyuarat, analisis temu bual, rekod panggilan berbilang pihak dan teks yang dijajarkan dengan media rakaman.

Pengeluar mendokumentasikan diarisasi penutur dan masa mula/tamat supaya transkrip boleh menunjukkan siapa yang bercakap dan bila. Cap masa peringkat perkataan menyokong sari kata, carian audio dan penjajaran antara petikan teks dengan kedudukannya dalam rakaman. Panduan pengeluar membenarkan ketelitian cap masa mengikut segmen atau perkataan. Untuk temu bual, artifak yang berguna ialah jujukan petikan yang dikaitkan dengan penutur berserta masa; untuk penyediaan sari kata, masa perkataan atau segmen boleh memandu langkah kapsyen kemudian dan bukannya memaksa masa itu disimpulkan daripada teks transkrip biasa.

Pembiasan konteks menerima sehingga 100 perkataan atau frasa yang membimbing model kepada ejaan nama, istilah teknikal dan kosa kata khusus domain yang dimaksudkan. Mistral menyatakan ciri ini dioptimumkan untuk bahasa Inggeris dan sokongan dalam bahasa lain bersifat eksperimen. Sediakan senarai kosa kata berfokus daripada subjek rakaman dan bukannya glosari tidak berkaitan. Contoh asal boleh membekalkan nama projek dan istilah khusus yang berkemungkinan muncul dalam perbincangan teknikal, kemudian memeriksa ejaan itu dalam transkrip yang lengkap.

Edisi ini menyokong tiga belas bahasa: bahasa Inggeris, Cina, Hindi, Sepanyol, Arab, Perancis, Portugis, Rusia, Jerman, Jepun, Korea, Itali dan Belanda. Pengeluar turut mendokumentasikan keteguhan terhadap hingar dan rakaman sehingga tiga jam dalam satu permintaan. Ini milik aliran kerja rakaman Mini Transcribe 2; pernyataan konteks dan tempoh model pemahaman audio 2507 asal menerangkan keluaran yang berbeza. Pengesanan bahasa automatik tersedia, dan panduan menyatakan bahawa memberikan bahasa audio yang diketahui secara jelas boleh meningkatkan ketepatan transkripsi.

Dalam aliran kerja pengeluar yang didokumentasikan, audio boleh diberikan sebagai fail yang dimuat naik, pengecam fail yang dimuat naik sebelum ini atau rakaman yang dirujuk. Demonstrasi muat naik yang mengiringinya menerima rakaman MP3, WAV, M4A, FLAC dan OGG; pilih salah satu format ini untuk aliran kerja muat naik yang ditunjukkan. Pastikan rakaman boleh dinyahkod dan sertakan pertuturan yang relevan. Untuk bahan panjang, kekalkan pengecam dan titik asal masanya supaya sebarang petikan atau suntingan kemudian masih boleh dijejaki kepada sumber.

Rujukan transkripsi mengembalikan teks dan bahasa yang dikesan, dengan segmen apabila diminta, serta mendokumentasikan peristiwa transkripsi berstrim secara berasingan. Diarisasi ialah pilihan dan lalainya false. Panduan menyatakan bahawa timestamp_granularities dan tetapan language yang jelas pada masa ini tidak serasi, jadi pilih aliran kerja masa yang diingini atau petunjuk bahasa manual dan jangan gabungkannya. Transkripsi berlabel penutur, pembiasan kosa kata dan masa perlu dipilih mengikut hasil yang dimaksudkan dan bukannya diandaikan daripada permintaan asas.

Pertuturan bertindih ialah batas substantif: Mistral menyatakan model biasanya mentranskripsikan satu penutur apabila penutur bertindih. Oleh itu, transkrip berlabel tidak patut dianggap sebagai rekod menyeluruh setiap ujaran serentak. Untuk rekod mesyuarat, semak pertindihan sukar dan nama atau angka penting terhadap rakaman. Tujuan model ialah transkripsi; ringkasan, terjemahan atau analisis boleh menjadi tugas berasingan yang dibina berdasarkan transkrip itu. Voxtral Realtime mempunyai varian kependaman transkripsi langsung yang berasingan, manakala penjanaan pertuturan milik model lain.

Sediakan hasil untuk kegunaan seterusnya. Aliran kerja mesyuarat boleh mengekalkan transkrip, label penutur dan masa sebelum peringkat berasingan mengekstrak keputusan; aliran kerja media boleh menggunakan masa untuk mencari petikan dan mendraf kapsyen; rakaman yang sarat istilah boleh menyertakan senarai pembiasan konteks berfokus serta semakan ejaan yang terhasil. Hasil serahan yang berguna ialah teks yang terikat pada rakaman sumber dan metadata terkonfigurasi, dengan edisi transkripsi bernombor ini dikekalkan berbeza daripada model Mini asal dan nama latest yang berubah mengikut keluaran semasa.