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.
", "aboutText": "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.\n\nTranscriptie en audiobegrip\n\nHet 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.\n\nMet 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.\n\nLever 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.\n\nContext, duur en talen\n\nDe 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.\n\nDe 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.\n\nMeerdere opnamen en vervolgvragen\n\nDe 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.\n\nEen 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.\n\nFuncties vanuit gesproken intentie\n\nDe 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.\n\nHoud 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.\n\nAanbevolen instellingen en nuttige grenzen\n\nVoor 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.\n\nSelecteer 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.\n\nDe 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.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
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 is een tekst- en audiomodel voor transcriptie, spraakvertaling, vragen en samenvattingen. De maker documenteert een context van 32k, maximaal 30 minuten voor transcriptie of 40 minuten voor begrip, meerdere audio-invoeren en tekstresultaten.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
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.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mistralai/voxtral-small-24b-2507 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0006 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0006 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Gebruik de hierboven getoonde methodepaden.
mistralai/voxtral-small-24b-2507Voxtral Small 1.0 24B 2507 is een tekst- en audiomodel voor transcriptie, spraakvertaling, vragen en samenvattingen. De maker documenteert een context van 32k, maximaal 30 minuten voor transcriptie of 40 minuten voor begrip, meerdere audio-invoeren en tekstresultaten.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
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.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mistralai/voxtral-small-24b-2507 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0006 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0006 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "mistralai/voxtral-small-24b-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
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.