Voxtral Small 1.0 24B 2507 legger til lydinndata og taleforståelse i en Mistral Small-språkmodell som grunnlag. Den tar imot lyd og tekst og returnerer tekst, blant annet en transkripsjon, et svar om opptaket, en oversettelse eller et strukturert sammendrag. Dette er den navngitte taleforståelsesutgaven med 24 milliarder parametere, forskjellig fra Voxtral Mini, transkripsjonsoptimaliserte tjenestevarianter og senere Voxtral-utgivelser for talegenerering eller sanntid.
Transkripsjon og lydforståelse
Modellen har en egen modus for ren transkripsjon. Produsenten sier at den automatisk forutsier språket i kildelyden som standard og transkriberer deretter. Bruk denne modusen når det ønskede artefaktet er selve den talte ordlyden fremfor en tolkning eller et sammendrag. Identifiser om resultatet skal bevare originalspråket eller etterfølges av en separat forespurt oversettelse.
Lydforståelse gjør at et spørsmål kan stilles direkte om et opptak, uten først å koble sammen en separat talegjenkjenningsmodell og tekstmodell. En forespørsel kan spørre hvilket tema som ble diskutert, hvilken beslutning som ble uttalt, eller hvilken informasjon i opptaket som svarer på et spesifikt spørsmål. Resultatet kan være et kortfattet svar eller et organisert sammendrag, fremfor en full transkripsjon av hvert talt ord.
For et møtesammendrag gir du opptaket og definerer feltene som skal returneres: temaer, uttrykkelig uttalte beslutninger og oppfølgingshandlinger. Be om navn eller datoer bare når opptaket faktisk oppgir dem, og hold uavklarte detaljer atskilt fra beslutningene. For et intervju ber du om svaret på et bestemt spørsmål og den omkringliggende konteksten som gjør det forståelig. Disse utdatautformingene knytter lydoppgaven til et dokument noen kan bruke etterpå.
Kontekst, varighet og språk
Produsenten dokumenterer en kontekst på 32k tokener og lyd på opptil 30 minutter for transkripsjon, eller 40 minutter for forståelse. De to varighetstallene gjelder forskjellige oppgavetyper. Velg ønsket operasjon før du velger opptaket, og inkluder tekstinstruksjonen og samtalen når du planlegger tilgjengelig kontekst. Et langt opptak og et langt skriftlig svar bruker begge ressurser; varighetsangivelsen er ikke et separat løfte om ubegrenset svarlengde.
Utgivelsen identifiserer engelsk, spansk, fransk, portugisisk, hindi, tysk, nederlandsk og italiensk blant de viktigste støttede språkene og har automatisk språkgjenkjenning. For taleoversettelse angir du målspråket og eventuelle begreper som skal beholde originalformen. For et spørsmål om lyd på ett språk skiller du språket i opptaket fra språket svaret skal skrives på.
Flere opptak og oppfølgingsspørsmål
Modellkortet støtter flere lydinndata i én melding og lyd i flere brukerrunder. Gi hvert opptak en identifikator og angi rollen det har når de sammenlignes. En praktisk forespørsel kan sammenligne to versjoner av en muntlig forklaring, spørre hvilke betingelser som ble endret, og returnere en tabell med en separat kolonne for hvert opptak. Identifikatorer bidrar til å holde modellens funn knyttet til riktig kilde.
En oppfølging kan beholde det forrige spørsmålet og svaret mens den ber om en mer avgrenset detalj eller gir et nytt opptak. Be for eksempel først om beslutningene fra en diskusjon, og spør deretter hvilken beslutning som gjelder et bestemt krav. Samme utgivelse demonstrerer også forespørsler med bare tekst og bare lyd. Tekstgrunnlaget kan arbeide med det skriftlige spørsmålet eller resultatet, mens lydfunksjonen gir bevis fra tale.
Talestyrte funksjoner
Produsenten beskriver funksjonskall ut fra muntlig uttrykt hensikt og merker funksjonskalleksemplet i det utgitte modellkortet som eksperimentell støtte. I denne arbeidsflyten definerer applikasjonen en funksjon og argumentene, modellen forbereder et kall fra forespørselen, og applikasjonen utfører det og gir resultatet. Et talebasert oppslag kan derfor returnere et skriftlig svar med informasjon fra et tilknyttet verktøy. Funksjonskall betyr ikke at modellen automatisk disponerer den eksterne tjenesten eller utfører en handling bare ved å navngi den.
Hold funksjonens formål og den nødvendige informasjonen eksplisitte. Hvis opptaket ber om en operasjon, men utelater en påkrevd verdi, trenger applikasjonen fortsatt denne verdien for å utføre funksjonen. Skill mellom den muntlige forespørselen, de foreslåtte argumentene og det returnerte resultatet slik at neste svar kan vise til det faktiske operasjonsutfallet.
Anbefalte innstillinger og nyttige avgrensninger
For lydforståelse og chatfullføring anbefaler modellkortet temperatur 0.2 og top-p 0.95. For transkripsjon anbefaler det temperatur 0.0. Det sier uttrykkelig at systeminstruksjoner ikke støttes i denne utgitte bruksflyten, så plasser oppgaven og svarkravene i brukerinndataene fremfor å overføre en systeminstruksjonskonvensjon fra en annen Mistral-modell.
Velg et opptak som inneholder materialet som er relevant for spørsmålet, hold den hørbare talen tydelig og angi om resultatet skal være en transkripsjon, oversettelse, et svar eller et sammendrag. De dokumenterte utdataene er tekst. Et muntlig svar trenger en tekst-til-tale-komponent, og taleridentifikasjon, detaljert talerdiarisering eller tidsstempler på ordnivå skal ikke utledes fra den generelle påstanden om lydforståelse for denne konkrete utgivelsen.
Genereringseksemplene på 500 tokener i modellkortet er eksempelinnstillinger, ikke en separat angitt maksimal utdatakapasitet. Bevar 2507-utgaven, den oppgavespesifikke varighetsveiledningen og inndataspråket når du forbereder en repeterbar arbeidsflyt. Det nyttige endelige artefaktet er den ønskede teksten, knyttet til opptaket og formatert for neste dokument- eller applikasjonssteg.
", "aboutText": "Voxtral Small 1.0 24B 2507 legger til lydinndata og taleforståelse i en Mistral Small-språkmodell som grunnlag. Den tar imot lyd og tekst og returnerer tekst, blant annet en transkripsjon, et svar om opptaket, en oversettelse eller et strukturert sammendrag. Dette er den navngitte taleforståelsesutgaven med 24 milliarder parametere, forskjellig fra Voxtral Mini, transkripsjonsoptimaliserte tjenestevarianter og senere Voxtral-utgivelser for talegenerering eller sanntid.\n\nTranskripsjon og lydforståelse\n\nModellen har en egen modus for ren transkripsjon. Produsenten sier at den automatisk forutsier språket i kildelyden som standard og transkriberer deretter. Bruk denne modusen når det ønskede artefaktet er selve den talte ordlyden fremfor en tolkning eller et sammendrag. Identifiser om resultatet skal bevare originalspråket eller etterfølges av en separat forespurt oversettelse.\n\nLydforståelse gjør at et spørsmål kan stilles direkte om et opptak, uten først å koble sammen en separat talegjenkjenningsmodell og tekstmodell. En forespørsel kan spørre hvilket tema som ble diskutert, hvilken beslutning som ble uttalt, eller hvilken informasjon i opptaket som svarer på et spesifikt spørsmål. Resultatet kan være et kortfattet svar eller et organisert sammendrag, fremfor en full transkripsjon av hvert talt ord.\n\nFor et møtesammendrag gir du opptaket og definerer feltene som skal returneres: temaer, uttrykkelig uttalte beslutninger og oppfølgingshandlinger. Be om navn eller datoer bare når opptaket faktisk oppgir dem, og hold uavklarte detaljer atskilt fra beslutningene. For et intervju ber du om svaret på et bestemt spørsmål og den omkringliggende konteksten som gjør det forståelig. Disse utdatautformingene knytter lydoppgaven til et dokument noen kan bruke etterpå.\n\nKontekst, varighet og språk\n\nProdusenten dokumenterer en kontekst på 32k tokener og lyd på opptil 30 minutter for transkripsjon, eller 40 minutter for forståelse. De to varighetstallene gjelder forskjellige oppgavetyper. Velg ønsket operasjon før du velger opptaket, og inkluder tekstinstruksjonen og samtalen når du planlegger tilgjengelig kontekst. Et langt opptak og et langt skriftlig svar bruker begge ressurser; varighetsangivelsen er ikke et separat løfte om ubegrenset svarlengde.\n\nUtgivelsen identifiserer engelsk, spansk, fransk, portugisisk, hindi, tysk, nederlandsk og italiensk blant de viktigste støttede språkene og har automatisk språkgjenkjenning. For taleoversettelse angir du målspråket og eventuelle begreper som skal beholde originalformen. For et spørsmål om lyd på ett språk skiller du språket i opptaket fra språket svaret skal skrives på.\n\nFlere opptak og oppfølgingsspørsmål\n\nModellkortet støtter flere lydinndata i én melding og lyd i flere brukerrunder. Gi hvert opptak en identifikator og angi rollen det har når de sammenlignes. En praktisk forespørsel kan sammenligne to versjoner av en muntlig forklaring, spørre hvilke betingelser som ble endret, og returnere en tabell med en separat kolonne for hvert opptak. Identifikatorer bidrar til å holde modellens funn knyttet til riktig kilde.\n\nEn oppfølging kan beholde det forrige spørsmålet og svaret mens den ber om en mer avgrenset detalj eller gir et nytt opptak. Be for eksempel først om beslutningene fra en diskusjon, og spør deretter hvilken beslutning som gjelder et bestemt krav. Samme utgivelse demonstrerer også forespørsler med bare tekst og bare lyd. Tekstgrunnlaget kan arbeide med det skriftlige spørsmålet eller resultatet, mens lydfunksjonen gir bevis fra tale.\n\nTalestyrte funksjoner\n\nProdusenten beskriver funksjonskall ut fra muntlig uttrykt hensikt og merker funksjonskalleksemplet i det utgitte modellkortet som eksperimentell støtte. I denne arbeidsflyten definerer applikasjonen en funksjon og argumentene, modellen forbereder et kall fra forespørselen, og applikasjonen utfører det og gir resultatet. Et talebasert oppslag kan derfor returnere et skriftlig svar med informasjon fra et tilknyttet verktøy. Funksjonskall betyr ikke at modellen automatisk disponerer den eksterne tjenesten eller utfører en handling bare ved å navngi den.\n\nHold funksjonens formål og den nødvendige informasjonen eksplisitte. Hvis opptaket ber om en operasjon, men utelater en påkrevd verdi, trenger applikasjonen fortsatt denne verdien for å utføre funksjonen. Skill mellom den muntlige forespørselen, de foreslåtte argumentene og det returnerte resultatet slik at neste svar kan vise til det faktiske operasjonsutfallet.\n\nAnbefalte innstillinger og nyttige avgrensninger\n\nFor lydforståelse og chatfullføring anbefaler modellkortet temperatur 0.2 og top-p 0.95. For transkripsjon anbefaler det temperatur 0.0. Det sier uttrykkelig at systeminstruksjoner ikke støttes i denne utgitte bruksflyten, så plasser oppgaven og svarkravene i brukerinndataene fremfor å overføre en systeminstruksjonskonvensjon fra en annen Mistral-modell.\n\nVelg et opptak som inneholder materialet som er relevant for spørsmålet, hold den hørbare talen tydelig og angi om resultatet skal være en transkripsjon, oversettelse, et svar eller et sammendrag. De dokumenterte utdataene er tekst. Et muntlig svar trenger en tekst-til-tale-komponent, og taleridentifikasjon, detaljert talerdiarisering eller tidsstempler på ordnivå skal ikke utledes fra den generelle påstanden om lydforståelse for denne konkrete utgivelsen.\n\nGenereringseksemplene på 500 tokener i modellkortet er eksempelinnstillinger, ikke en separat angitt maksimal utdatakapasitet. Bevar 2507-utgaven, den oppgavespesifikke varighetsveiledningen og inndataspråket når du forbereder en repeterbar arbeidsflyt. Det nyttige endelige artefaktet er den ønskede teksten, knyttet til opptaket og formatert for neste dokument- eller applikasjonssteg.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Summarize a supplied meeting transcript\n\nSummarize this supplied transcript text: 'Ana: We will keep the current label. Ben: I will check the revised barcode by Tuesday. Ana: Shipping timing is still unconfirmed. Ben: Agreed.' Return topics, explicit decisions and follow-up actions. Separate the unresolved shipping date from decisions, and include owners or deadlines only when stated in the transcript.A meeting summary with topics, one decision, an owned action and an unresolved timing item.Check that keeping the label is the decision and shipping timing remains unconfirmed.mistralai/voxtral-small-24b-2507Voxtral Small 1.0 24B 2507 er en tekst- og lydmodell for transkripsjon, taleoversettelse, spørsmål og sammendrag. Produsenten dokumenterer en kontekst på 32k, opptil 30 minutter for transkripsjon eller 40 minutter for forståelse, flere lydinndata og tekstresultater.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Voxtral Small 1.0 24B 2507 legger til lydinndata og taleforståelse i en Mistral Small-språkmodell som grunnlag. Den tar imot lyd og tekst og returnerer tekst, blant annet en transkripsjon, et svar om opptaket, en oversettelse eller et strukturert sammendrag. Dette er den navngitte taleforståelsesutgaven med 24 milliarder parametere, forskjellig fra Voxtral Mini, transkripsjonsoptimaliserte tjenestevarianter og senere Voxtral-utgivelser for talegenerering eller sanntid.
Transkripsjon og lydforståelse
Modellen har en egen modus for ren transkripsjon. Produsenten sier at den automatisk forutsier språket i kildelyden som standard og transkriberer deretter. Bruk denne modusen når det ønskede artefaktet er selve den talte ordlyden fremfor en tolkning eller et sammendrag. Identifiser om resultatet skal bevare originalspråket eller etterfølges av en separat forespurt oversettelse.
Lydforståelse gjør at et spørsmål kan stilles direkte om et opptak, uten først å koble sammen en separat talegjenkjenningsmodell og tekstmodell. En forespørsel kan spørre hvilket tema som ble diskutert, hvilken beslutning som ble uttalt, eller hvilken informasjon i opptaket som svarer på et spesifikt spørsmål. Resultatet kan være et kortfattet svar eller et organisert sammendrag, fremfor en full transkripsjon av hvert talt ord.
For et møtesammendrag gir du opptaket og definerer feltene som skal returneres: temaer, uttrykkelig uttalte beslutninger og oppfølgingshandlinger. Be om navn eller datoer bare når opptaket faktisk oppgir dem, og hold uavklarte detaljer atskilt fra beslutningene. For et intervju ber du om svaret på et bestemt spørsmål og den omkringliggende konteksten som gjør det forståelig. Disse utdatautformingene knytter lydoppgaven til et dokument noen kan bruke etterpå.
Kontekst, varighet og språk
Produsenten dokumenterer en kontekst på 32k tokener og lyd på opptil 30 minutter for transkripsjon, eller 40 minutter for forståelse. De to varighetstallene gjelder forskjellige oppgavetyper. Velg ønsket operasjon før du velger opptaket, og inkluder tekstinstruksjonen og samtalen når du planlegger tilgjengelig kontekst. Et langt opptak og et langt skriftlig svar bruker begge ressurser; varighetsangivelsen er ikke et separat løfte om ubegrenset svarlengde.
Utgivelsen identifiserer engelsk, spansk, fransk, portugisisk, hindi, tysk, nederlandsk og italiensk blant de viktigste støttede språkene og har automatisk språkgjenkjenning. For taleoversettelse angir du målspråket og eventuelle begreper som skal beholde originalformen. For et spørsmål om lyd på ett språk skiller du språket i opptaket fra språket svaret skal skrives på.
Flere opptak og oppfølgingsspørsmål
Modellkortet støtter flere lydinndata i én melding og lyd i flere brukerrunder. Gi hvert opptak en identifikator og angi rollen det har når de sammenlignes. En praktisk forespørsel kan sammenligne to versjoner av en muntlig forklaring, spørre hvilke betingelser som ble endret, og returnere en tabell med en separat kolonne for hvert opptak. Identifikatorer bidrar til å holde modellens funn knyttet til riktig kilde.
En oppfølging kan beholde det forrige spørsmålet og svaret mens den ber om en mer avgrenset detalj eller gir et nytt opptak. Be for eksempel først om beslutningene fra en diskusjon, og spør deretter hvilken beslutning som gjelder et bestemt krav. Samme utgivelse demonstrerer også forespørsler med bare tekst og bare lyd. Tekstgrunnlaget kan arbeide med det skriftlige spørsmålet eller resultatet, mens lydfunksjonen gir bevis fra tale.
Talestyrte funksjoner
Produsenten beskriver funksjonskall ut fra muntlig uttrykt hensikt og merker funksjonskalleksemplet i det utgitte modellkortet som eksperimentell støtte. I denne arbeidsflyten definerer applikasjonen en funksjon og argumentene, modellen forbereder et kall fra forespørselen, og applikasjonen utfører det og gir resultatet. Et talebasert oppslag kan derfor returnere et skriftlig svar med informasjon fra et tilknyttet verktøy. Funksjonskall betyr ikke at modellen automatisk disponerer den eksterne tjenesten eller utfører en handling bare ved å navngi den.
Hold funksjonens formål og den nødvendige informasjonen eksplisitte. Hvis opptaket ber om en operasjon, men utelater en påkrevd verdi, trenger applikasjonen fortsatt denne verdien for å utføre funksjonen. Skill mellom den muntlige forespørselen, de foreslåtte argumentene og det returnerte resultatet slik at neste svar kan vise til det faktiske operasjonsutfallet.
Anbefalte innstillinger og nyttige avgrensninger
For lydforståelse og chatfullføring anbefaler modellkortet temperatur 0.2 og top-p 0.95. For transkripsjon anbefaler det temperatur 0.0. Det sier uttrykkelig at systeminstruksjoner ikke støttes i denne utgitte bruksflyten, så plasser oppgaven og svarkravene i brukerinndataene fremfor å overføre en systeminstruksjonskonvensjon fra en annen Mistral-modell.
Velg et opptak som inneholder materialet som er relevant for spørsmålet, hold den hørbare talen tydelig og angi om resultatet skal være en transkripsjon, oversettelse, et svar eller et sammendrag. De dokumenterte utdataene er tekst. Et muntlig svar trenger en tekst-til-tale-komponent, og taleridentifikasjon, detaljert talerdiarisering eller tidsstempler på ordnivå skal ikke utledes fra den generelle påstanden om lydforståelse for denne konkrete utgivelsen.
Genereringseksemplene på 500 tokener i modellkortet er eksempelinnstillinger, ikke en separat angitt maksimal utdatakapasitet. Bevar 2507-utgaven, den oppgavespesifikke varighetsveiledningen og inndataspråket når du forbereder en repeterbar arbeidsflyt. Det nyttige endelige artefaktet er den ønskede teksten, knyttet til opptaket og formatert for neste dokument- eller applikasjonssteg.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser mistralai/voxtral-small-24b-2507 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
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 | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.0006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00002 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.0006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00002 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/voxtral-small-24b-2507", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/voxtral-small-24b-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/voxtral-small-24b-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Bruk metodestiene som vises ovenfor.
mistralai/voxtral-small-24b-2507Voxtral Small 1.0 24B 2507 er en tekst- og lydmodell for transkripsjon, taleoversettelse, spørsmål og sammendrag. Produsenten dokumenterer en kontekst på 32k, opptil 30 minutter for transkripsjon eller 40 minutter for forståelse, flere lydinndata og tekstresultater.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Voxtral Small 1.0 24B 2507 legger til lydinndata og taleforståelse i en Mistral Small-språkmodell som grunnlag. Den tar imot lyd og tekst og returnerer tekst, blant annet en transkripsjon, et svar om opptaket, en oversettelse eller et strukturert sammendrag. Dette er den navngitte taleforståelsesutgaven med 24 milliarder parametere, forskjellig fra Voxtral Mini, transkripsjonsoptimaliserte tjenestevarianter og senere Voxtral-utgivelser for talegenerering eller sanntid.
Transkripsjon og lydforståelse
Modellen har en egen modus for ren transkripsjon. Produsenten sier at den automatisk forutsier språket i kildelyden som standard og transkriberer deretter. Bruk denne modusen når det ønskede artefaktet er selve den talte ordlyden fremfor en tolkning eller et sammendrag. Identifiser om resultatet skal bevare originalspråket eller etterfølges av en separat forespurt oversettelse.
Lydforståelse gjør at et spørsmål kan stilles direkte om et opptak, uten først å koble sammen en separat talegjenkjenningsmodell og tekstmodell. En forespørsel kan spørre hvilket tema som ble diskutert, hvilken beslutning som ble uttalt, eller hvilken informasjon i opptaket som svarer på et spesifikt spørsmål. Resultatet kan være et kortfattet svar eller et organisert sammendrag, fremfor en full transkripsjon av hvert talt ord.
For et møtesammendrag gir du opptaket og definerer feltene som skal returneres: temaer, uttrykkelig uttalte beslutninger og oppfølgingshandlinger. Be om navn eller datoer bare når opptaket faktisk oppgir dem, og hold uavklarte detaljer atskilt fra beslutningene. For et intervju ber du om svaret på et bestemt spørsmål og den omkringliggende konteksten som gjør det forståelig. Disse utdatautformingene knytter lydoppgaven til et dokument noen kan bruke etterpå.
Kontekst, varighet og språk
Produsenten dokumenterer en kontekst på 32k tokener og lyd på opptil 30 minutter for transkripsjon, eller 40 minutter for forståelse. De to varighetstallene gjelder forskjellige oppgavetyper. Velg ønsket operasjon før du velger opptaket, og inkluder tekstinstruksjonen og samtalen når du planlegger tilgjengelig kontekst. Et langt opptak og et langt skriftlig svar bruker begge ressurser; varighetsangivelsen er ikke et separat løfte om ubegrenset svarlengde.
Utgivelsen identifiserer engelsk, spansk, fransk, portugisisk, hindi, tysk, nederlandsk og italiensk blant de viktigste støttede språkene og har automatisk språkgjenkjenning. For taleoversettelse angir du målspråket og eventuelle begreper som skal beholde originalformen. For et spørsmål om lyd på ett språk skiller du språket i opptaket fra språket svaret skal skrives på.
Flere opptak og oppfølgingsspørsmål
Modellkortet støtter flere lydinndata i én melding og lyd i flere brukerrunder. Gi hvert opptak en identifikator og angi rollen det har når de sammenlignes. En praktisk forespørsel kan sammenligne to versjoner av en muntlig forklaring, spørre hvilke betingelser som ble endret, og returnere en tabell med en separat kolonne for hvert opptak. Identifikatorer bidrar til å holde modellens funn knyttet til riktig kilde.
En oppfølging kan beholde det forrige spørsmålet og svaret mens den ber om en mer avgrenset detalj eller gir et nytt opptak. Be for eksempel først om beslutningene fra en diskusjon, og spør deretter hvilken beslutning som gjelder et bestemt krav. Samme utgivelse demonstrerer også forespørsler med bare tekst og bare lyd. Tekstgrunnlaget kan arbeide med det skriftlige spørsmålet eller resultatet, mens lydfunksjonen gir bevis fra tale.
Talestyrte funksjoner
Produsenten beskriver funksjonskall ut fra muntlig uttrykt hensikt og merker funksjonskalleksemplet i det utgitte modellkortet som eksperimentell støtte. I denne arbeidsflyten definerer applikasjonen en funksjon og argumentene, modellen forbereder et kall fra forespørselen, og applikasjonen utfører det og gir resultatet. Et talebasert oppslag kan derfor returnere et skriftlig svar med informasjon fra et tilknyttet verktøy. Funksjonskall betyr ikke at modellen automatisk disponerer den eksterne tjenesten eller utfører en handling bare ved å navngi den.
Hold funksjonens formål og den nødvendige informasjonen eksplisitte. Hvis opptaket ber om en operasjon, men utelater en påkrevd verdi, trenger applikasjonen fortsatt denne verdien for å utføre funksjonen. Skill mellom den muntlige forespørselen, de foreslåtte argumentene og det returnerte resultatet slik at neste svar kan vise til det faktiske operasjonsutfallet.
Anbefalte innstillinger og nyttige avgrensninger
For lydforståelse og chatfullføring anbefaler modellkortet temperatur 0.2 og top-p 0.95. For transkripsjon anbefaler det temperatur 0.0. Det sier uttrykkelig at systeminstruksjoner ikke støttes i denne utgitte bruksflyten, så plasser oppgaven og svarkravene i brukerinndataene fremfor å overføre en systeminstruksjonskonvensjon fra en annen Mistral-modell.
Velg et opptak som inneholder materialet som er relevant for spørsmålet, hold den hørbare talen tydelig og angi om resultatet skal være en transkripsjon, oversettelse, et svar eller et sammendrag. De dokumenterte utdataene er tekst. Et muntlig svar trenger en tekst-til-tale-komponent, og taleridentifikasjon, detaljert talerdiarisering eller tidsstempler på ordnivå skal ikke utledes fra den generelle påstanden om lydforståelse for denne konkrete utgivelsen.
Genereringseksemplene på 500 tokener i modellkortet er eksempelinnstillinger, ikke en separat angitt maksimal utdatakapasitet. Bevar 2507-utgaven, den oppgavespesifikke varighetsveiledningen og inndataspråket når du forbereder en repeterbar arbeidsflyt. Det nyttige endelige artefaktet er den ønskede teksten, knyttet til opptaket og formatert for neste dokument- eller applikasjonssteg.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser mistralai/voxtral-small-24b-2507 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
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 | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.0006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00002 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.0006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00002 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "mistralai/voxtral-small-24b-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/voxtral-small-24b-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/voxtral-small-24b-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Summarize a supplied meeting transcript\n\nSummarize this supplied transcript text: 'Ana: We will keep the current label. Ben: I will check the revised barcode by Tuesday. Ana: Shipping timing is still unconfirmed. Ben: Agreed.' Return topics, explicit decisions and follow-up actions. Separate the unresolved shipping date from decisions, and include owners or deadlines only when stated in the transcript.A meeting summary with topics, one decision, an owned action and an unresolved timing item.Check that keeping the label is the decision and shipping timing remains unconfirmed.