Source: https://ailoot.ai/models/ms/mistralai-voxtral-small-24b-2507-stt/ Canonical: https://ailoot.ai/models/ms/mistralai-voxtral-small-24b-2507-stt/ Language: ms # Mistral: Voxtral Small 24B 2507 STT [Markdown](https://ailoot.ai/models/ms/mistralai-voxtral-small-24b-2507-stt/index.md) · [JSON](https://ailoot.ai/models/ms/mistralai-voxtral-small-24b-2507-stt/facts.json) ## [Mistral: Voxtral Small 24B 2507 STT](https://ailoot.ai/models/ms/mistralai-voxtral-small-24b-2507-stt/) Voxtral Small 1.0 24B 2507 ialah model teks dan audio untuk transkripsi, terjemahan pertuturan, soalan dan ringkasan. Pembuat mendokumentasikan konteks 32k, sehingga 30 minit untuk transkripsi atau 40 minit untuk pemahaman, berbilang input audio dan hasil teks. - [**Ailoot Ultra · Transkripsi** `POST /v1/audio/transcriptions` `mistralai/voxtral-small-24b-2507-stt`](https://ailoot.ai/models/ms/mistralai-voxtral-small-24b-2507-stt/#method-0) Tentang model Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih. Voxtral Small 1.0 24B 2507 menambah input audio dan pemahaman pertuturan kepada teras model bahasa Mistral Small. Ia menerima audio dan teks serta mengembalikan teks, termasuk transkrip, jawapan tentang rakaman, terjemahan atau ringkasan berstruktur. Ini ialah edisi pemahaman pertuturan 24B yang dinamakan, berbeza daripada Voxtral Mini, varian perkhidmatan yang dioptimumkan untuk transkripsi dan keluaran penjanaan pertuturan atau masa nyata Voxtral yang kemudian. Transkripsi dan pemahaman audio Model mempunyai mod transkripsi tulen khusus. Pembuat menyatakan bahawa ia meramal bahasa audio sumber secara automatik secara lalai dan mentranskripsikannya mengikut bahasa tersebut. Gunakan mod ini apabila artifak yang diingini ialah kata-kata yang dituturkan itu sendiri dan bukannya tafsiran atau ringkasan. Kenal pasti sama ada hasil perlu mengekalkan bahasa asal atau diikuti terjemahan yang diminta secara berasingan. Pemahaman audio membolehkan soalan ditanya secara langsung tentang rakaman, tanpa terlebih dahulu merangkaikan model pengecaman pertuturan dan model teks yang berasingan. Permintaan boleh bertanya topik yang dibincangkan, keputusan yang dinyatakan atau maklumat dalam rakaman yang menjawab soalan tertentu. Hasilnya boleh berupa respons ringkas atau ringkasan tersusun, dan bukannya transkrip penuh setiap perkataan yang dituturkan. Untuk ringkasan mesyuarat, berikan rakaman dan takrifkan medan yang perlu dikembalikan: topik, keputusan yang dinyatakan secara jelas dan tindakan susulan. Minta nama atau tarikh hanya apabila rakaman benar-benar menyatakannya, dan kekalkan butiran yang belum diselesaikan secara berasingan daripada keputusan. Untuk temu bual, minta jawapan kepada soalan tertentu dan konteks sekeliling yang menjadikannya boleh difahami. Reka bentuk output ini menghubungkan tugas audio kepada dokumen yang boleh digunakan seseorang selepas itu. Konteks, tempoh dan bahasa Pembuat mendokumentasikan konteks 32k token dan audio sehingga 30 minit untuk transkripsi, atau 40 minit untuk pemahaman. Kedua-dua angka tempoh mempunyai skop tugas yang berbeza. Pilih operasi yang diingini sebelum memilih rakaman, dan sertakan arahan teks serta perbualan semasa merancang konteks yang tersedia. Rakaman panjang dan jawapan bertulis panjang kedua-duanya menggunakan sumber; pernyataan tempoh bukan janji panjang jawapan tanpa had yang berasingan. Keluaran ini mengenal pasti bahasa Inggeris, Sepanyol, Perancis, Portugis, Hindi, Jerman, Belanda dan Itali antara bahasa utama yang disokong serta menyediakan pengesanan bahasa automatik. Untuk terjemahan pertuturan, tetapkan bahasa akhir dan sebarang istilah yang perlu mengekalkan bentuk asalnya. Untuk soalan tentang audio dalam satu bahasa, bezakan bahasa rakaman daripada bahasa jawapan yang perlu ditulis. Berbilang rakaman dan soalan susulan Kad model menyokong beberapa input audio dalam satu mesej dan audio dalam berbilang giliran pengguna. Berikan setiap rakaman pengecam dan nyatakan peranannya semasa membandingkannya. Permintaan praktikal mungkin membandingkan dua versi penjelasan lisan, bertanya syarat yang berubah dan mengembalikan jadual dengan lajur berasingan untuk setiap rakaman. Pengecam membantu memastikan dapatan model dikaitkan dengan sumber yang betul. Soalan susulan boleh mengekalkan soalan dan jawapan terdahulu sambil meminta butiran yang lebih sempit atau membekalkan rakaman lain. Contohnya, terlebih dahulu minta keputusan daripada perbincangan, kemudian tanya keputusan yang berkaitan dengan keperluan tertentu. Keluaran yang sama turut menunjukkan permintaan teks sahaja dan audio sahaja. Teras teksnya boleh bekerja pada soalan atau hasil bertulis, manakala keupayaan audio membekalkan bukti daripada pertuturan. Fungsi berpandukan suara Pembuat menerangkan panggilan fungsi daripada niat yang dituturkan dan melabelkan contoh panggilan fungsi dalam kad yang dikeluarkan sebagai sokongan eksperimen. Dalam aliran kerja ini, aplikasi mentakrifkan fungsi dan argumennya, model menyediakan panggilan daripada permintaan, dan aplikasi melaksanakannya serta membekalkan hasil. Oleh itu, carian berasaskan suara boleh mengembalikan jawapan bertulis menggunakan maklumat daripada alat yang disambungkan. Panggilan fungsi tidak bermakna model secara automatik memiliki perkhidmatan luaran atau melakukan tindakan hanya dengan menamakannya. Pastikan tujuan fungsi dan maklumat yang diperlukan jelas. Jika rakaman meminta operasi tetapi tidak menyertakan nilai wajib, aplikasi masih memerlukan nilai itu untuk melaksanakan fungsi. Pisahkan permintaan yang dituturkan, argumen yang dicadangkan dan hasil yang dikembalikan supaya respons seterusnya boleh merujuk hasil operasi sebenar. Tetapan yang disyorkan dan batas yang berguna Untuk pemahaman audio dan pelengkapan sembang, kad model mengesyorkan suhu 0.2 dan top-p 0.95. Untuk transkripsi, ia mengesyorkan suhu 0.0. Ia menyatakan secara jelas bahawa prom sistem tidak disokong dalam aliran penggunaan yang dikeluarkan ini, jadi letakkan tugas dan keperluan respons dalam input pengguna dan jangan pindahkan konvensyen prom sistem daripada model Mistral lain. Pilih rakaman yang mengandungi bahan berkaitan dengan soalan, pastikan pertuturan yang dapat didengar jelas dan nyatakan sama ada hasil perlu berupa transkrip, terjemahan, jawapan atau ringkasan. Output yang didokumentasikan ialah teks. Respons lisan memerlukan komponen teks kepada pertuturan, dan pengecaman penutur, diarisasi terperinci atau cap masa peringkat perkataan tidak patut disimpulkan daripada dakwaan pemahaman audio umum untuk keluaran khusus ini. Contoh penjanaan 500 token dalam kad model ialah tetapan contoh, bukannya kapasiti output maksimum yang dinyatakan secara berasingan. Kekalkan edisi 2507, panduan tempoh khusus tugas dan bahasa input semasa menyediakan aliran kerja yang boleh diulang. Artifak akhir yang berguna ialah teks yang diminta, dihubungkan dengan rakaman dan diformatkan untuk langkah dokumen atau aplikasi seterusnya. **Ailoot Ultra · Transkripsi** `POST /v1/audio/transcriptions` `mistralai/voxtral-small-24b-2507-stt` [`mistralai/voxtral-small-24b-2507-stt`](https://ailoot.ai/models/ms/#m=mistralai%2Fvoxtral-small-24b-2507-stt&route=Ultra&caller=mistralai%2Fvoxtral-small-24b-2507-stt&fmt=transcriptions) Mistral /`mistralai/voxtral-small-24b-2507-stt` ### Pengenalan Voxtral Small 1.0 24B 2507 ialah model teks dan audio untuk transkripsi, terjemahan pertuturan, soalan dan ringkasan. Pembuat mendokumentasikan konteks 32k, sehingga 30 minit untuk transkripsi atau 40 minit untuk pemahaman, berbilang input audio dan hasil teks. Input yang diterima Audio Hasil Teks ### Tersedia di Ailoot · input & kaedah **Ailoot Ultra · Transkripsi** `POST /v1/audio/transcriptions` Input `audio` Output `text` | Medan | Jenis | Keperluan | Nilai & had | Lalai | | --- | --- | --- | --- | --- | | Medan`model` | Jenis`string` | KeperluanDiperlukan | Nilai & had mistralai/voxtral-small-24b-2507-stt | Lalai— | | Medan`input_audio` | Jenis`object` | KeperluanDiperlukan | Nilai & had | Lalai— | | Medan`language` | Jenis`string` | KeperluanPilihan | Nilai & had | Lalai— | | Medan`temperature` | Jenis`number` | KeperluanPilihan | Nilai & had Minimum: 0 Maksimum: 1 | Lalai— | | Medan`response_format` | Jenis`string` | KeperluanPilihan | Nilai & had json, verbose\_json | Lalaijson | | Medan`timestamp_granularities` | Jenis`array` | KeperluanPilihan | Nilai & had | Lalai— | | Medan`provider` | Jenis`object` | KeperluanPilihan | Nilai & had | Lalai— | Parameter kaedah dan kitar hayat | Parameter | Kontrak | | --- | --- | | Parameter`content_type` | Kontrakapplication/json | | Parameter`required` | Kontrakmodel, input\_audio | | Parameter`material_types` | Kontrakaudio | | Parameter`material_conditions` | KontrakBaca fail WAV sebenar dan kodkan bait sebenarnya untuk input\_audio JSON yang diisytiharkan; tiada laluan multipart ditawarkan bagi pengisytiharan tepat yang hanya menggunakan JSON ini. | Kitar hayat: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · task\_id sebenar yang dikembalikan atau rekod pustaka media `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Pelan harga ##### Cara caj akhir dikira Kadar yang dipaparkan menganggarkan kos sebelum penjanaan. Caj akhir dikira berdasarkan kos yang direkodkan untuk penjanaan asal. Tempoh output yang diukur dan kuantiti ramalan bukan kuantiti akhir yang boleh dibilkan. Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih. Mod pantas Tidak dinyatakan Apabila mod pantas dipilih Mod flex Tidak dinyatakan Apabila mod flex dipilih Usaha penaakulan maksimum Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default #### Anggaran kadar untuk perbandingan #### Harga mengikut konfigurasi Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif. | Konfigurasi | Jadual kadar | Kuantiti ramalan | Unit pengebilan | Caj | | --- | --- | --- | --- | --- | | KonfigurasiKadar asas token | Jadual kadarKadar asas | Kuantiti ramalan— | Unit pengebilan— | Caj Input · Token input · Anggaran untuk perbandingan sahaja **—** / 1K token Output · Token output · Anggaran untuk perbandingan sahaja **—** / 1K token Input · Bacaan cache · Anggaran untuk perbandingan sahaja **—** / 1K token Input · Penulisan cache · Anggaran untuk perbandingan sahaja **—** / 1K token Input · Penulisan cache, 1 jam · Anggaran untuk perbandingan sahaja **—** / 1K token | | Konfigurasisaat audio input | Jadual kadar— | Kuantiti ramalan— | Unit pengebilanbagi setiap saat audio masukan | Caj Input · saat audio input · Anggaran untuk perbandingan sahaja **$0.0001** bagi setiap saat audio masukan | | KonfigurasiAnggaran kos penjanaan | Jadual kadar— | Kuantiti ramalananggaran untuk satu penjanaan | Unit pengebilan— | Caj Output · Anggaran kos penjanaan · Anggaran untuk perbandingan sahaja **$0.0001** anggaran sebelum penjanaan Anggaran ini bukan caj tambahan atau kadar tetap bagi penjanaan yang telah selesai. | Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. [Cara rizab dan penyelesaian caj berfungsi →](https://ailoot.ai/docs/ms/billing/reserve/) ### Contoh permintaan #### Ailoot Ultra · Transkripsi curl · badan permintaan natif yang tepat dan hasil lengkap ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Terima dan simpan hasil #### Ailoot Ultra · Transkripsi - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Pembacaan kandungan lain Baca aset sedia ada yang menjadi milik anda ```bash set -eu : "${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. ``` ##### Simpan semua hasil yang selesai Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan. Simpan respons dan pengepala yang lengkap, setiap output sebenar, pengecam asal yang dikembalikan serta semua medan penggunaan. Pulihkan operasi asal tanpa menghantar permintaan penciptaan sekali lagi. ##### Jika respons asal perlu disemak Simpan X-Client-Request-ID yang dikembalikan untuk penyelarasan rekod. Baca hanya nilai task\_id/asset\_id sebenar yang dikembalikan atau pustaka media milik anda; jangan sekali-kali bina URL tugas daripada ID operasi atau hantar semula permintaan penciptaan. Medan respons | Medan | Jenis | | --- | --- | | Medan`text` | Jenis | | Medan`usage` | Jenis | | Medan`segments[]` | Jenis | | Medan`words[]` | Jenis | | Medan`speaker fields` | Jenis | | Medan`timestamps` | Jenis | ### Alias #### Alias model **Ailoot Ultra** [`mistralai/voxtral-small-24b-2507-stt`](https://ailoot.ai/models/ms/#m=mistralai%2Fvoxtral-small-24b-2507-stt&route=Ultra&caller=mistralai%2Fvoxtral-small-24b-2507-stt&fmt=transcriptions) #### Alias laluan kaedah Gunakan laluan kaedah yang dipaparkan di atas. #### ID pemanggil berkaitan [`mistralai/voxtral-small-24b-2507-stt`](https://ailoot.ai/models/ms/#m=mistralai%2Fvoxtral-small-24b-2507-stt&route=Ultra&caller=mistralai%2Fvoxtral-small-24b-2507-stt&fmt=transcriptions) FAQ · Mistral: Voxtral Small 24B 2507 STT Apakah input dan hasil yang tersedia? `POST /v1/audio/transcriptions` · `mistralai/voxtral-small-24b-2507-stt`: `audio` → `text` Apakah medan yang digunakan oleh permintaan? `POST /v1/audio/transcriptions` · `mistralai/voxtral-small-24b-2507-stt`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Apakah had yang terpakai? `POST /v1/audio/transcriptions` · `mistralai/voxtral-small-24b-2507-stt`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Sambungkan Ailoot kepada Claude Code, OpenCode, Hermes atau aplikasi anda. ## Syarikat dan portfolio projeknya Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan. ## Beli token dengan diskaun. Diskaun langganan untuk penggunaan berkala. Kod promosi — sehingga 50% bagi pembelian token. Langganan Pilih pelan berdiskaun untuk permintaan berkala anda. Kod promosi sehingga 50% Masukkan kod semasa pembelian. Harga dikira semula mengikut promosi semasa. Perbelanjaan dalam sejarah Model, token dan jumlah disimpan bagi setiap permintaan. [Pilih langganan](https://ailoot.ai/docs/ms/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/ms/) ## Sambungkan API kepada produk yang anda jual. SaaS, aplikasi dan bot — di bawah tawaran rasmi serta perjanjian lesen Ailoot. Untuk jualan semula, mohon lesen penjual semula. Aplikasi komersial Tambahkan penjanaan teks, imej, video dan audio pada ciri berbayar perkhidmatan anda. Lesen penjual semula Hantar keterangan projek dan susunan akses. Minta terma penggunaan serta jualan semula secara bertulis. Dokumen pada laman Tawaran, perjanjian lesen dan dasar pemprosesan data tersedia sebelum sambungan. [Mohon lesen penjual semula](mailto:support@ailoot.ai) · [Tawaran dan perjanjian lesen](https://ailoot.ai/legal/offer?lang=ms) ## Ailoot · Syarikat dan portfolio projeknya Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan. Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan. Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.