Mistral: Voxtral Small 24B 2507 STT

Voxtral Small 1.0 24B 2507 voegt audio-invoer en spraakbegrip toe aan een Mistral Small-taalmodelbasis. Het accepteert audio en tekst en retourneert tekst, waaronder een transcript, een antwoord over de opname, een vertaling of een gestructureerde samenvatting. Dit is de genoemde editie met 24 miljard parameters voor spraakbegrip, afzonderlijk van Voxtral Mini, voor transcriptie geoptimaliseerde servicevarianten en latere Voxtral-releases voor spraakgeneratie of realtimegebruik.

Transcriptie en audiobegrip

Het model heeft een specifieke modus voor zuivere transcriptie. De maker vermeldt dat het standaard automatisch de taal van de bronaudio voorspelt en overeenkomstig transcribeert. Gebruik deze modus wanneer het gewenste artefact de gesproken formulering zelf is, in plaats van een interpretatie of samenvatting. Geef aan of het resultaat de oorspronkelijke taal moet behouden of gevolgd moet worden door een afzonderlijk aangevraagde vertaling.

Met audiobegrip kan rechtstreeks een vraag over een opname worden gesteld, zonder eerst een afzonderlijk spraakherkenningsmodel en tekstmodel achter elkaar te gebruiken. Een verzoek kan vragen welk onderwerp is besproken, welke beslissing is uitgesproken of welke informatie uit de opname een specifieke vraag beantwoordt. Het resultaat kan een beknopt antwoord of geordende samenvatting zijn, in plaats van een volledig transcript van elk gesproken woord.

Lever voor een vergadersamenvatting de opname aan en definieer de te retourneren velden: onderwerpen, expliciet genoemde beslissingen en vervolgacties. Vraag alleen om namen of datums wanneer de opname die daadwerkelijk noemt en houd onopgeloste details gescheiden van de beslissingen. Vraag voor een interview om het antwoord op een specifieke vraag en de omliggende context die dit begrijpelijk maakt. Deze uitvoerontwerpen verbinden de audiotaak met een document dat iemand daarna kan gebruiken.

Context, duur en talen

De maker documenteert een context van 32k tokens en audio tot 30 minuten voor transcriptie of 40 minuten voor begrip. De twee duurcijfers hebben verschillende taakbereiken. Kies de gewenste bewerking voordat u de opname selecteert en neem de tekstinstructie en het gesprek mee bij het plannen van de beschikbare context. Een lange opname en een lang schriftelijk antwoord verbruiken beide middelen; de duurvermelding is geen afzonderlijke belofte van onbeperkte antwoordlengte.

De release noemt Engels, Spaans, Frans, Portugees, Hindi, Duits, Nederlands en Italiaans als belangrijke ondersteunde talen en biedt automatische taaldetectie. Stel voor spraakvertaling de doeltaal in en benoem termen die hun oorspronkelijke vorm moeten behouden. Onderscheid bij een vraag over audio in één taal de opnametaal van de taal waarin het antwoord moet worden geschreven.

Meerdere opnamen en vervolgvragen

De modelkaart ondersteunt meerdere audio-invoeren in één bericht en audio in meerdere gebruikersbeurten. Geef elke opname een identificatie en vermeld haar rol wanneer u ze vergelijkt. Een praktisch verzoek kan twee versies van een gesproken uitleg vergelijken, vragen welke voorwaarden zijn gewijzigd en een tabel met een afzonderlijke kolom per opname retourneren. Identificaties helpen de modelbevindingen aan de juiste bron te koppelen.

Een vervolg kan de eerdere vraag en het antwoord behouden en tegelijk naar een specifieker detail vragen of een andere opname aanleveren. Vraag bijvoorbeeld eerst naar de beslissingen uit een discussie en daarna welke beslissing op een bepaalde vereiste betrekking heeft. Dezelfde release demonstreert ook verzoeken met alleen tekst en alleen audio. De tekstbasis kan aan de schriftelijke vraag of het resultaat werken, terwijl de audiomogelijkheid bewijs uit spraak levert.

Functies vanuit gesproken intentie

De maker beschrijft functieaanroepen vanuit gesproken intentie en markeert het functieaanroepvoorbeeld op de uitgebrachte kaart als experimentele ondersteuning. In deze workflow definieert de toepassing een functie en haar argumenten, stelt het model op basis van het verzoek een aanroep op en voert de toepassing deze uit en levert het resultaat. Een gesproken opzoekverzoek kan dus een schriftelijk antwoord opleveren met informatie uit een gekoppelde tool. Functieaanroepen betekenen niet dat het model automatisch de externe service beheert of een actie uitvoert door haar alleen te benoemen.

Houd het functiedoel en de vereiste informatie expliciet. Als de opname om een bewerking vraagt maar een vereiste waarde weglaat, heeft de toepassing die waarde nog steeds nodig om de functie uit te voeren. Scheid het gesproken verzoek, de voorgestelde argumenten en het geretourneerde resultaat, zodat het volgende antwoord naar de daadwerkelijke uitkomst van de bewerking kan verwijzen.

Aanbevolen instellingen en nuttige grenzen

Voor audiobegrip en chatcompletion beveelt de kaart temperature 0.2 en top-p 0.95 aan. Voor transcriptie beveelt zij temperature 0.0 aan. Ze vermeldt expliciet dat systeemprompts in deze uitgebrachte gebruiksflow niet worden ondersteund; plaats de taak en antwoordvereisten daarom in de gebruikersinvoer in plaats van een systeempromptconventie van een ander Mistral-model over te nemen.

Selecteer een opname met het voor de vraag relevante materiaal, zorg voor duidelijke hoorbare spraak en geef aan of het resultaat een transcript, vertaling, antwoord of samenvatting moet zijn. De gedocumenteerde uitvoer is tekst. Een gesproken antwoord vereist een tekst-naar-spraakcomponent, en sprekeridentificatie, gedetailleerde diarisatie of tijdstempels per woord mogen niet worden afgeleid uit de algemene claim over audiobegrip voor deze exacte release.

De generatievoorbeelden van 500 tokens op de kaart zijn voorbeeldinstellingen en geen afzonderlijk vermelde maximale uitvoercapaciteit. Behoud de 2507-editie, de taakspecifieke duuradviezen en de invoertaal wanneer u een herhaalbare workflow voorbereidt. Het bruikbare uiteindelijke artefact is de gevraagde tekst, verbonden met de opname en opgemaakt voor de volgende document- of toepassingsstap.