Voxtral Mini Transcribe 2 er Mistral AIs transkripsjonsrettede Voxtral-utgave, identifisert i produsentens modellkort som voxtral-mini-2602. Den er utviklet for opptaksbasert satsvis transkripsjon fremfor den bredere spørsmålssvarrollen til den opprinnelige Voxtral Mini 3B-modellen. Inndataene er lyd, og resultatet er transkribert tekst, eventuelt beriket med taleretiketter og tidsinformasjon. Praktiske bruksområder omfatter møtetranskripsjoner, intervjuanalyse, dokumentasjon av samtaler med flere deltakere og tekst tilpasset opptatte medier.
Produsenten dokumenterer talerdiarisering og start-/sluttider slik at en transkripsjon kan vise hvem som snakket, og når. Tidsstempler på ordnivå støtter undertekster, lydsøk og kobling mellom en tekstpassasje og posisjonen i et opptak. Produsentveiledningen tillater tidsstempler på segment- eller ordnivå. For et intervju er et nyttig artefakt en sekvens av passasjer med talertilordning og tidsangivelse; for forberedelse av undertekster kan tidsangivelse for ord eller segmenter veilede et senere tekstingssteg fremfor å tvinge frem utledning av tidene fra ren transkripsjonstekst.
Konteksttilpasning tar imot opptil 100 ord eller uttrykk som veileder modellen mot ønsket skrivemåte for navn, faguttrykk og domenespesifikt ordforråd. Mistral sier at funksjonen er optimalisert for engelsk, og at støtte for andre språk er eksperimentell. Forbered en målrettet ordliste fra opptakets tema fremfor en uvedkommende ordliste. Et eget eksempel kan gi prosjektnavnene og faguttrykkene som sannsynligvis forekommer i en teknisk diskusjon, og deretter kontrollere skrivemåtene i den fullførte transkripsjonen.
Denne utgaven støtter tretten språk: engelsk, kinesisk, hindi, spansk, arabisk, fransk, portugisisk, russisk, tysk, japansk, koreansk, italiensk og nederlandsk. Produsenten dokumenterer også robusthet mot støy og opptak på opptil tre timer i én forespørsel. Dette tilhører opptaksflyten til Mini Transcribe 2; kontekst- og varighetsangivelsene til den opprinnelige 2507-modellen for lydforståelse beskriver en annen utgivelse. Automatisk språkgjenkjenning er tilgjengelig, og veiledningen sier at eksplisitt angivelse av et kjent lydspråk kan forbedre transkripsjonsnøyaktigheten.
I den dokumenterte produsentflyten kan lyd gis som en opplastet fil, en tidligere opplastet filidentifikator eller et referert opptak. Den medfølgende opplastingsdemonstrasjonen tar imot opptak i MP3, WAV, M4A, FLAC og OGG; velg ett av disse formatene for den demonstrerte opplastingsflyten. Hold opptaket dekodbart og inkluder den relevante talen. For langt materiale bevarer du identifikatoren og tidsutgangspunktet slik at senere utdrag eller redigeringer fortsatt kan spores til kilden.
Transkripsjonsreferansen returnerer teksten og det gjenkjente språket, med segmenter når det er forespurt, og dokumenterer strømmede transkripsjonshendelser separat. Diarisering er valgfritt og har false som standardverdi. Veiledningen bemerker at timestamp_granularities og en eksplisitt språkinnstilling for øyeblikket ikke er kompatible, så velg den ønskede tidsangivelsesflyten eller den manuelle språkhinten fremfor å kombinere dem. Transkripsjon med taleretiketter, ordforrådstilpasning og tidsangivelser bør velges etter det tiltenkte resultatet fremfor å antas å følge av en grunnleggende forespørsel.
Overlappende tale er en vesentlig begrensning: Mistral sier at modellen vanligvis transkriberer én taler når talere overlapper. En merket transkripsjon skal derfor ikke behandles som en uttømmende dokumentasjon av alle samtidige ytringer. For et møtereferat gjennomgår du vanskelige overlapp og viktige navn eller tall mot opptaket. Modellens formål er transkripsjon; et sammendrag, en oversettelse eller en analyse kan være en separat oppgave bygget på transkripsjonen. Voxtral Realtime har en separat ventetidsprofil for direktetranskripsjon, mens talegenerering tilhører andre modeller.
Forbered resultatet for neste bruk. En møteflyt kan bevare transkripsjonen, taleretikettene og tidsangivelsene før et separat trinn trekker ut beslutninger; en medieflyt kan bruke tidsangivelsene til å finne passasjer og lage utkast til undertekster; et opptak med mye fagterminologi kan inkludere den målrettede konteksttilpasningslisten og en gjennomgang av de resulterende skrivemåtene. Den nyttige leveransen er tekst knyttet til kildeopptaket og konfigurerte metadata, med denne nummererte transkripsjonsutgaven holdt atskilt fra den opprinnelige Mini-modellen og løpende oppdaterte latest-navn.
", "aboutText": "Voxtral Mini Transcribe 2 er Mistral AIs transkripsjonsrettede Voxtral-utgave, identifisert i produsentens modellkort som voxtral-mini-2602. Den er utviklet for opptaksbasert satsvis transkripsjon fremfor den bredere spørsmålssvarrollen til den opprinnelige Voxtral Mini 3B-modellen. Inndataene er lyd, og resultatet er transkribert tekst, eventuelt beriket med taleretiketter og tidsinformasjon. Praktiske bruksområder omfatter møtetranskripsjoner, intervjuanalyse, dokumentasjon av samtaler med flere deltakere og tekst tilpasset opptatte medier.\n\nProdusenten dokumenterer talerdiarisering og start-/sluttider slik at en transkripsjon kan vise hvem som snakket, og når. Tidsstempler på ordnivå støtter undertekster, lydsøk og kobling mellom en tekstpassasje og posisjonen i et opptak. Produsentveiledningen tillater tidsstempler på segment- eller ordnivå. For et intervju er et nyttig artefakt en sekvens av passasjer med talertilordning og tidsangivelse; for forberedelse av undertekster kan tidsangivelse for ord eller segmenter veilede et senere tekstingssteg fremfor å tvinge frem utledning av tidene fra ren transkripsjonstekst.\n\nKonteksttilpasning tar imot opptil 100 ord eller uttrykk som veileder modellen mot ønsket skrivemåte for navn, faguttrykk og domenespesifikt ordforråd. Mistral sier at funksjonen er optimalisert for engelsk, og at støtte for andre språk er eksperimentell. Forbered en målrettet ordliste fra opptakets tema fremfor en uvedkommende ordliste. Et eget eksempel kan gi prosjektnavnene og faguttrykkene som sannsynligvis forekommer i en teknisk diskusjon, og deretter kontrollere skrivemåtene i den fullførte transkripsjonen.\n\nDenne utgaven støtter tretten språk: engelsk, kinesisk, hindi, spansk, arabisk, fransk, portugisisk, russisk, tysk, japansk, koreansk, italiensk og nederlandsk. Produsenten dokumenterer også robusthet mot støy og opptak på opptil tre timer i én forespørsel. Dette tilhører opptaksflyten til Mini Transcribe 2; kontekst- og varighetsangivelsene til den opprinnelige 2507-modellen for lydforståelse beskriver en annen utgivelse. Automatisk språkgjenkjenning er tilgjengelig, og veiledningen sier at eksplisitt angivelse av et kjent lydspråk kan forbedre transkripsjonsnøyaktigheten.\n\nI den dokumenterte produsentflyten kan lyd gis som en opplastet fil, en tidligere opplastet filidentifikator eller et referert opptak. Den medfølgende opplastingsdemonstrasjonen tar imot opptak i MP3, WAV, M4A, FLAC og OGG; velg ett av disse formatene for den demonstrerte opplastingsflyten. Hold opptaket dekodbart og inkluder den relevante talen. For langt materiale bevarer du identifikatoren og tidsutgangspunktet slik at senere utdrag eller redigeringer fortsatt kan spores til kilden.\n\nTranskripsjonsreferansen returnerer teksten og det gjenkjente språket, med segmenter når det er forespurt, og dokumenterer strømmede transkripsjonshendelser separat. Diarisering er valgfritt og har false som standardverdi. Veiledningen bemerker at timestamp_granularities og en eksplisitt språkinnstilling for øyeblikket ikke er kompatible, så velg den ønskede tidsangivelsesflyten eller den manuelle språkhinten fremfor å kombinere dem. Transkripsjon med taleretiketter, ordforrådstilpasning og tidsangivelser bør velges etter det tiltenkte resultatet fremfor å antas å følge av en grunnleggende forespørsel.\n\nOverlappende tale er en vesentlig begrensning: Mistral sier at modellen vanligvis transkriberer én taler når talere overlapper. En merket transkripsjon skal derfor ikke behandles som en uttømmende dokumentasjon av alle samtidige ytringer. For et møtereferat gjennomgår du vanskelige overlapp og viktige navn eller tall mot opptaket. Modellens formål er transkripsjon; et sammendrag, en oversettelse eller en analyse kan være en separat oppgave bygget på transkripsjonen. Voxtral Realtime har en separat ventetidsprofil for direktetranskripsjon, mens talegenerering tilhører andre modeller.\n\nForbered resultatet for neste bruk. En møteflyt kan bevare transkripsjonen, taleretikettene og tidsangivelsene før et separat trinn trekker ut beslutninger; en medieflyt kan bruke tidsangivelsene til å finne passasjer og lage utkast til undertekster; et opptak med mye fagterminologi kan inkludere den målrettede konteksttilpasningslisten og en gjennomgang av de resulterende skrivemåtene. Den nyttige leveransen er tekst knyttet til kildeopptaket og konfigurerte metadata, med denne nummererte transkripsjonsutgaven holdt atskilt fra den opprinnelige Mini-modellen og løpende oppdaterte latest-navn.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "0755dc064149562acd11a7ed67864dcddb9c5f20fe42b7f1d9a47ed04cb0355d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "mistralai/voxtral-mini-transcribeVoxtral Mini Transcribe 2 gjør opptak om til tekst med talerdiarisering, tidsstempler på ordnivå og ordforrådstilpasning. Mistral dokumenterer 13 språk og opptak på opptil tre timer for denne transkripsjonsrettede utgaven, forskjellig fra Voxtral Realtime.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Voxtral Mini Transcribe 2 er Mistral AIs transkripsjonsrettede Voxtral-utgave, identifisert i produsentens modellkort som voxtral-mini-2602. Den er utviklet for opptaksbasert satsvis transkripsjon fremfor den bredere spørsmålssvarrollen til den opprinnelige Voxtral Mini 3B-modellen. Inndataene er lyd, og resultatet er transkribert tekst, eventuelt beriket med taleretiketter og tidsinformasjon. Praktiske bruksområder omfatter møtetranskripsjoner, intervjuanalyse, dokumentasjon av samtaler med flere deltakere og tekst tilpasset opptatte medier.
Produsenten dokumenterer talerdiarisering og start-/sluttider slik at en transkripsjon kan vise hvem som snakket, og når. Tidsstempler på ordnivå støtter undertekster, lydsøk og kobling mellom en tekstpassasje og posisjonen i et opptak. Produsentveiledningen tillater tidsstempler på segment- eller ordnivå. For et intervju er et nyttig artefakt en sekvens av passasjer med talertilordning og tidsangivelse; for forberedelse av undertekster kan tidsangivelse for ord eller segmenter veilede et senere tekstingssteg fremfor å tvinge frem utledning av tidene fra ren transkripsjonstekst.
Konteksttilpasning tar imot opptil 100 ord eller uttrykk som veileder modellen mot ønsket skrivemåte for navn, faguttrykk og domenespesifikt ordforråd. Mistral sier at funksjonen er optimalisert for engelsk, og at støtte for andre språk er eksperimentell. Forbered en målrettet ordliste fra opptakets tema fremfor en uvedkommende ordliste. Et eget eksempel kan gi prosjektnavnene og faguttrykkene som sannsynligvis forekommer i en teknisk diskusjon, og deretter kontrollere skrivemåtene i den fullførte transkripsjonen.
Denne utgaven støtter tretten språk: engelsk, kinesisk, hindi, spansk, arabisk, fransk, portugisisk, russisk, tysk, japansk, koreansk, italiensk og nederlandsk. Produsenten dokumenterer også robusthet mot støy og opptak på opptil tre timer i én forespørsel. Dette tilhører opptaksflyten til Mini Transcribe 2; kontekst- og varighetsangivelsene til den opprinnelige 2507-modellen for lydforståelse beskriver en annen utgivelse. Automatisk språkgjenkjenning er tilgjengelig, og veiledningen sier at eksplisitt angivelse av et kjent lydspråk kan forbedre transkripsjonsnøyaktigheten.
I den dokumenterte produsentflyten kan lyd gis som en opplastet fil, en tidligere opplastet filidentifikator eller et referert opptak. Den medfølgende opplastingsdemonstrasjonen tar imot opptak i MP3, WAV, M4A, FLAC og OGG; velg ett av disse formatene for den demonstrerte opplastingsflyten. Hold opptaket dekodbart og inkluder den relevante talen. For langt materiale bevarer du identifikatoren og tidsutgangspunktet slik at senere utdrag eller redigeringer fortsatt kan spores til kilden.
Transkripsjonsreferansen returnerer teksten og det gjenkjente språket, med segmenter når det er forespurt, og dokumenterer strømmede transkripsjonshendelser separat. Diarisering er valgfritt og har false som standardverdi. Veiledningen bemerker at timestamp_granularities og en eksplisitt språkinnstilling for øyeblikket ikke er kompatible, så velg den ønskede tidsangivelsesflyten eller den manuelle språkhinten fremfor å kombinere dem. Transkripsjon med taleretiketter, ordforrådstilpasning og tidsangivelser bør velges etter det tiltenkte resultatet fremfor å antas å følge av en grunnleggende forespørsel.
Overlappende tale er en vesentlig begrensning: Mistral sier at modellen vanligvis transkriberer én taler når talere overlapper. En merket transkripsjon skal derfor ikke behandles som en uttømmende dokumentasjon av alle samtidige ytringer. For et møtereferat gjennomgår du vanskelige overlapp og viktige navn eller tall mot opptaket. Modellens formål er transkripsjon; et sammendrag, en oversettelse eller en analyse kan være en separat oppgave bygget på transkripsjonen. Voxtral Realtime har en separat ventetidsprofil for direktetranskripsjon, mens talegenerering tilhører andre modeller.
Forbered resultatet for neste bruk. En møteflyt kan bevare transkripsjonen, taleretikettene og tidsangivelsene før et separat trinn trekker ut beslutninger; en medieflyt kan bruke tidsangivelsene til å finne passasjer og lage utkast til undertekster; et opptak med mye fagterminologi kan inkludere den målrettede konteksttilpasningslisten og en gjennomgang av de resulterende skrivemåtene. Den nyttige leveransen er tekst knyttet til kildeopptaket og konfigurerte metadata, med denne nummererte transkripsjonsutgaven holdt atskilt fra den opprinnelige Mini-modellen og løpende oppdaterte latest-navn.
POST /v1/audio/transcriptionsaudiotext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser mistralai/voxtral-mini-transcribe | Standard— |
Feltinput_audio | Typeobject | KravPåkrevd | Verdier & grenser | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, input_audio |
Parametermaterial_types | Avtaleaudio |
Parametermaterial_conditions | AvtaleEksemplet leser den faktiske PCM WAV-filen din, som må ha innhold, koder alle filens byte som base64 og sender input_audio.format som wav. |
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Eksakt task_id fra en eksisterende medieoppføring du eier
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Faktureringsenhet | Kostnad |
|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Faktureringsenhet— | Kostnad Inndata · Inngående tokener — / 1K tokener Utdata · Utgående tokener — / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| Konfigurasjonlydsekund i inndata | Prisplan— | Faktureringsenhetper sekund inndatalyd | Kostnad Inndata · lydsekund i inndata $0.0001 per sekund inndatalyd |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'mistralai/voxtral-mini-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\nHele den opprinnelige svarkroppen, statusen og videresendte svarhoder. Denne behandleren legger ikke til noen universell JSON-struktur, noe tekstfelt eller noen oppgaveinnpakning.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Bevar hele svaret og svarhodene, alle faktiske utdata, de opprinnelige returnerte identifikatorene og alle bruksfeltene. Hent den opprinnelige operasjonen igjen uten å sende opprettelsesforespørselen på nytt.
Behold den faktiske X-Client-Request-ID og hele svaret. Les de opprinnelige ressursene du eier, og deres eksakte signerte innholdsadresser; send aldri en usikker opprettelse på nytt.
| Felt | Type |
|---|---|
Felttext (when present) | Type |
Feltusage (when present) | Type |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårJSON-kroppen eller den eksplisitte kanoniske modell-ID-en er ugyldig. | Neste trinnBehold svaret og korriger det angitte forespørselsfeltet. |
Svar401 · authentication_error | VilkårAiloot API-nøkkelen er ugyldig. | Neste trinnBruk den autoriserte Ailoot API-nøkkelen din. |
Svar403 · permission_error | VilkårNøkkelgruppen gir ikke tilgang til denne metoden. | Neste trinnBehold de returnerte feildetaljene. |
Svar404 · not_found_error | VilkårDen valgte metoden har ingen godkjent rute. | Neste trinnBehold de returnerte feildetaljene. |
Svar422 · price_unavailable | VilkårDen godtatte tariffen kan ikke hente den nødvendige inndatamengden eller grensen. | Neste trinnBehold svaret; bruk inndatarepresentasjonen som den godtatte tariffen krever. |
Svar503 · | VilkårNødvendig lagring, rute, metodepris eller reservasjon er utilgjengelig. | Neste trinnBehold hele det opprinnelige svaret. En usikker reservasjon gir ikke tillatelse til å sende inn på nytt. |
Svar502 · server_error | VilkårDet opprinnelige resultatet, forbruket eller oppgjøret må kontrolleres. | Neste trinnBehold den faktiske forespørsels-ID-en og det opprinnelige svaret. Les den eksisterende oppføringen du eier; ikke send opprettelsen på nytt. |
Ailoot Ultra mistralai/voxtral-mini-transcribe
Bruk metodestiene som vises ovenfor.