{
  "aboutHtml": "<p>Voxtral Small 1.0 24B 2507 dodaje wejście audio i rozumienie mowy do bazowego modelu językowego Mistral Small. Przyjmuje dźwięk i tekst oraz zwraca tekst, w tym transkrypcję, odpowiedź o nagraniu, tłumaczenie lub uporządkowane podsumowanie. Jest to wskazana edycja rozumienia mowy 24B, odrębna od Voxtral Mini, wariantów usługi zoptymalizowanych do transkrypcji i późniejszych wydań Voxtral do generowania mowy lub pracy w czasie rzeczywistym.</p><p>Transkrypcja i rozumienie dźwięku</p><p>Model ma dedykowany tryb czystej transkrypcji. Producent stwierdza, że domyślnie automatycznie przewiduje język źródłowego nagrania i odpowiednio je transkrybuje. Używaj tego trybu, gdy pożądanym artefaktem jest samo wypowiedziane brzmienie, a nie interpretacja lub podsumowanie. Wskaż, czy wynik ma zachować język oryginału, czy po nim powinno nastąpić osobno żądane tłumaczenie.</p><p>Rozumienie dźwięku pozwala zadawać pytanie bezpośrednio o nagranie, bez wcześniejszego łączenia osobnego modelu rozpoznawania mowy i modelu tekstowego. Żądanie może pytać, jaki temat omawiano, jaką decyzję wypowiedziano lub jaka informacja w nagraniu odpowiada na konkretne pytanie. Wynikiem może być zwięzła odpowiedź lub uporządkowane podsumowanie zamiast pełnej transkrypcji każdego wypowiedzianego słowa.</p><p>Dla podsumowania spotkania dostarcz nagranie i zdefiniuj pola do zwrócenia: tematy, wyraźnie wypowiedziane decyzje i dalsze działania. Proś o nazwiska lub daty tylko wtedy, gdy rzeczywiście padają w nagraniu, i oddziel nierozstrzygnięte szczegóły od decyzji. Dla wywiadu zażądaj odpowiedzi na konkretne pytanie i otaczającego kontekstu, który czyni ją zrozumiałą. Takie projekty wyników łączą zadanie audio z dokumentem, który ktoś może później wykorzystać.</p><p>Kontekst, czas trwania i języki</p><p>Producent dokumentuje kontekst o wielkości 32 tys. tokenów i nagrania do 30 minut dla transkrypcji lub 40 minut dla rozumienia. Te dwie długości dotyczą różnych zakresów zadań. Wybierz pożądaną operację przed wyborem nagrania i uwzględnij instrukcję tekstową oraz rozmowę przy planowaniu dostępnego kontekstu. Długie nagranie i długa odpowiedź pisemna zużywają zasoby; podany czas trwania nie jest osobną obietnicą nieograniczonej długości odpowiedzi.</p><p>Wydanie wskazuje angielski, hiszpański, francuski, portugalski, hindi, niemiecki, niderlandzki i włoski wśród głównych obsługiwanych języków i zapewnia automatyczne wykrywanie języka. Dla tłumaczenia mowy ustal język końcowy i terminy, które powinny zachować oryginalną formę. Dla pytania o dźwięk w jednym języku odróżnij język nagrania od języka, w którym ma być napisana odpowiedź.</p><p>Wiele nagrań i pytania uzupełniające</p><p>Karta obsługuje kilka wejść audio w wiadomości i dźwięk w wielu turach użytkownika. Nadaj każdemu nagraniu identyfikator i określ jego rolę przy porównywaniu. Praktyczne żądanie może porównywać dwie wersje wypowiedzianego wyjaśnienia, pytać o zmienione warunki i zwracać tabelę z osobną kolumną dla każdego nagrania. Identyfikatory pomagają utrzymać powiązanie ustaleń modelu z właściwym źródłem.</p><p>Pytanie uzupełniające może zachować wcześniejsze pytanie i odpowiedź, jednocześnie prosząc o węższy szczegół lub dostarczając inne nagranie. Na przykład najpierw poproś o decyzje z dyskusji, a następnie zapytaj, która decyzja dotyczy konkretnego wymagania. To samo wydanie demonstruje również żądania wyłącznie tekstowe i wyłącznie dźwiękowe. Jego baza tekstowa może pracować nad pisemnym pytaniem lub wynikiem, a możliwość audio dostarcza dowodów z mowy.</p><p>Funkcje sterowane głosem</p><p>Producent opisuje wywoływanie funkcji na podstawie intencji wypowiedzianej głosem i oznacza przykład wywoływania funkcji w opublikowanej karcie jako obsługę eksperymentalną. W tym przepływie aplikacja definiuje funkcję i jej argumenty, model przygotowuje wywołanie na podstawie żądania, a aplikacja je wykonuje i dostarcza wynik. Wyszukiwanie głosowe może więc zwrócić pisemną odpowiedź z wykorzystaniem informacji z połączonego narzędzia. Wywoływanie funkcji nie oznacza, że model automatycznie włada usługą zewnętrzną lub wykonuje działanie jedynie przez jego nazwanie.</p><p>Wyraźnie określ przeznaczenie funkcji i wymagane informacje. Jeśli nagranie prosi o operację, ale pomija wymaganą wartość, aplikacja nadal potrzebuje tej wartości do wykonania funkcji. Oddziel wypowiedziane żądanie, proponowane argumenty i zwrócony wynik, aby kolejna odpowiedź mogła odnieść się do rzeczywistego rezultatu operacji.</p><p>Zalecane ustawienia i przydatne granice zakresu</p><p>Dla rozumienia dźwięku i uzupełniania czatu karta zaleca temperaturę 0.2 i top-p 0.95. Dla transkrypcji zaleca temperaturę 0.0. Wyraźnie stwierdza, że prompty systemowe nie są obsługiwane w tym udostępnionym przepływie użycia, więc umieść zadanie i wymagania odpowiedzi w wejściu użytkownika, zamiast przenosić konwencję promptu systemowego z innego modelu Mistral.</p><p>Wybierz nagranie zawierające materiał istotny dla pytania, zadbaj o czytelną słyszalność mowy i określ, czy wynikiem ma być transkrypcja, tłumaczenie, odpowiedź czy podsumowanie. Udokumentowane wyjście to tekst. Odpowiedź mówiona wymaga komponentu text-to-speech, a identyfikacji mówcy, szczegółowej diarizacji lub znaczników czasu na poziomie słów nie należy wywodzić z ogólnego twierdzenia o rozumieniu dźwięku dla tego konkretnego wydania.</p><p>Przykłady generowania 500 tokenów w karcie są przykładowymi ustawieniami, a nie osobno podaną maksymalną pojemnością wyjścia. Zachowaj edycję 2507, wskazówki czasu trwania zależne od zadania i język wejścia podczas przygotowywania powtarzalnego przepływu. Przydatny końcowy artefakt to żądany tekst, powiązany z nagraniem i sformatowany dla kolejnego kroku dokumentu lub aplikacji.</p>",
  "aboutText": "Voxtral Small 1.0 24B 2507 dodaje wejście audio i rozumienie mowy do bazowego modelu językowego Mistral Small. Przyjmuje dźwięk i tekst oraz zwraca tekst, w tym transkrypcję, odpowiedź o nagraniu, tłumaczenie lub uporządkowane podsumowanie. Jest to wskazana edycja rozumienia mowy 24B, odrębna od Voxtral Mini, wariantów usługi zoptymalizowanych do transkrypcji i późniejszych wydań Voxtral do generowania mowy lub pracy w czasie rzeczywistym.\n\nTranskrypcja i rozumienie dźwięku\n\nModel ma dedykowany tryb czystej transkrypcji. Producent stwierdza, że domyślnie automatycznie przewiduje język źródłowego nagrania i odpowiednio je transkrybuje. Używaj tego trybu, gdy pożądanym artefaktem jest samo wypowiedziane brzmienie, a nie interpretacja lub podsumowanie. Wskaż, czy wynik ma zachować język oryginału, czy po nim powinno nastąpić osobno żądane tłumaczenie.\n\nRozumienie dźwięku pozwala zadawać pytanie bezpośrednio o nagranie, bez wcześniejszego łączenia osobnego modelu rozpoznawania mowy i modelu tekstowego. Żądanie może pytać, jaki temat omawiano, jaką decyzję wypowiedziano lub jaka informacja w nagraniu odpowiada na konkretne pytanie. Wynikiem może być zwięzła odpowiedź lub uporządkowane podsumowanie zamiast pełnej transkrypcji każdego wypowiedzianego słowa.\n\nDla podsumowania spotkania dostarcz nagranie i zdefiniuj pola do zwrócenia: tematy, wyraźnie wypowiedziane decyzje i dalsze działania. Proś o nazwiska lub daty tylko wtedy, gdy rzeczywiście padają w nagraniu, i oddziel nierozstrzygnięte szczegóły od decyzji. Dla wywiadu zażądaj odpowiedzi na konkretne pytanie i otaczającego kontekstu, który czyni ją zrozumiałą. Takie projekty wyników łączą zadanie audio z dokumentem, który ktoś może później wykorzystać.\n\nKontekst, czas trwania i języki\n\nProducent dokumentuje kontekst o wielkości 32 tys. tokenów i nagrania do 30 minut dla transkrypcji lub 40 minut dla rozumienia. Te dwie długości dotyczą różnych zakresów zadań. Wybierz pożądaną operację przed wyborem nagrania i uwzględnij instrukcję tekstową oraz rozmowę przy planowaniu dostępnego kontekstu. Długie nagranie i długa odpowiedź pisemna zużywają zasoby; podany czas trwania nie jest osobną obietnicą nieograniczonej długości odpowiedzi.\n\nWydanie wskazuje angielski, hiszpański, francuski, portugalski, hindi, niemiecki, niderlandzki i włoski wśród głównych obsługiwanych języków i zapewnia automatyczne wykrywanie języka. Dla tłumaczenia mowy ustal język końcowy i terminy, które powinny zachować oryginalną formę. Dla pytania o dźwięk w jednym języku odróżnij język nagrania od języka, w którym ma być napisana odpowiedź.\n\nWiele nagrań i pytania uzupełniające\n\nKarta obsługuje kilka wejść audio w wiadomości i dźwięk w wielu turach użytkownika. Nadaj każdemu nagraniu identyfikator i określ jego rolę przy porównywaniu. Praktyczne żądanie może porównywać dwie wersje wypowiedzianego wyjaśnienia, pytać o zmienione warunki i zwracać tabelę z osobną kolumną dla każdego nagrania. Identyfikatory pomagają utrzymać powiązanie ustaleń modelu z właściwym źródłem.\n\nPytanie uzupełniające może zachować wcześniejsze pytanie i odpowiedź, jednocześnie prosząc o węższy szczegół lub dostarczając inne nagranie. Na przykład najpierw poproś o decyzje z dyskusji, a następnie zapytaj, która decyzja dotyczy konkretnego wymagania. To samo wydanie demonstruje również żądania wyłącznie tekstowe i wyłącznie dźwiękowe. Jego baza tekstowa może pracować nad pisemnym pytaniem lub wynikiem, a możliwość audio dostarcza dowodów z mowy.\n\nFunkcje sterowane głosem\n\nProducent opisuje wywoływanie funkcji na podstawie intencji wypowiedzianej głosem i oznacza przykład wywoływania funkcji w opublikowanej karcie jako obsługę eksperymentalną. W tym przepływie aplikacja definiuje funkcję i jej argumenty, model przygotowuje wywołanie na podstawie żądania, a aplikacja je wykonuje i dostarcza wynik. Wyszukiwanie głosowe może więc zwrócić pisemną odpowiedź z wykorzystaniem informacji z połączonego narzędzia. Wywoływanie funkcji nie oznacza, że model automatycznie włada usługą zewnętrzną lub wykonuje działanie jedynie przez jego nazwanie.\n\nWyraźnie określ przeznaczenie funkcji i wymagane informacje. Jeśli nagranie prosi o operację, ale pomija wymaganą wartość, aplikacja nadal potrzebuje tej wartości do wykonania funkcji. Oddziel wypowiedziane żądanie, proponowane argumenty i zwrócony wynik, aby kolejna odpowiedź mogła odnieść się do rzeczywistego rezultatu operacji.\n\nZalecane ustawienia i przydatne granice zakresu\n\nDla rozumienia dźwięku i uzupełniania czatu karta zaleca temperaturę 0.2 i top-p 0.95. Dla transkrypcji zaleca temperaturę 0.0. Wyraźnie stwierdza, że prompty systemowe nie są obsługiwane w tym udostępnionym przepływie użycia, więc umieść zadanie i wymagania odpowiedzi w wejściu użytkownika, zamiast przenosić konwencję promptu systemowego z innego modelu Mistral.\n\nWybierz nagranie zawierające materiał istotny dla pytania, zadbaj o czytelną słyszalność mowy i określ, czy wynikiem ma być transkrypcja, tłumaczenie, odpowiedź czy podsumowanie. Udokumentowane wyjście to tekst. Odpowiedź mówiona wymaga komponentu text-to-speech, a identyfikacji mówcy, szczegółowej diarizacji lub znaczników czasu na poziomie słów nie należy wywodzić z ogólnego twierdzenia o rozumieniu dźwięku dla tego konkretnego wydania.\n\nPrzykłady generowania 500 tokenów w karcie są przykładowymi ustawieniami, a nie osobno podaną maksymalną pojemnością wyjścia. Zachowaj edycję 2507, wskazówki czasu trwania zależne od zadania i język wejścia podczas przygotowywania powtarzalnego przepływu. Przydatny końcowy artefakt to żądany tekst, powiązany z nagraniem i sformatowany dla kolejnego kroku dokumentu lub aplikacji.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "436558d7e49dcccf8a5bfcdc6c907916d33cc759431bddc2ad7df9bed1e39813",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "pl",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">Mistral: Voxtral Small 24B 2507 STT</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Zamknij\">×</button></div><div class=\"idline\"><span>Mistral /</span><code>mistralai/voxtral-small-24b-2507-stt</code><button type=\"button\" id=\"copy-id\">Kopiuj ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Sekcje karty modelu\"><button type=\"button\" data-card-jump=\"overview\">Start</button><button type=\"button\" data-card-jump=\"methods\">Dane wejściowe i metody</button><button type=\"button\" data-card-jump=\"pricing\">Cennik</button><button type=\"button\" data-card-jump=\"examples\">Przykłady</button><button type=\"button\" data-card-jump=\"results\">Wyniki</button><button type=\"button\" data-card-jump=\"aliases\">Aliasy</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"Metody API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|transcriptions|/v1/audio/transcriptions|mistralai%2Fvoxtral-small-24b-2507-stt\">Rozpoznawanie</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Start</h3><p class=\"mdesc-full\">Voxtral Small 1.0 24B 2507 to model przyjmujący tekst i dźwięk do transkrypcji, tłumaczenia mowy, pytań i podsumowań. Producent dokumentuje kontekst o wielkości 32 tys. tokenów, do 30 minut dla transkrypcji lub 40 minut dla rozumienia, wiele wejść audio i wyniki tekstowe.</p><dl class=\"card-io\" data-card-io><div><dt>Akceptowane dane wejściowe</dt><dd>Audio</dd></div><div><dt>Wyniki</dt><dd>Tekst</dd></div></dl><details class=\"card-about\"><summary>O modelu</summary><p class=\"note-s\" data-model-method-boundary>Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.</p><div class=\"mabout\" id=\"m-about\"><p>Voxtral Small 1.0 24B 2507 dodaje wejście audio i rozumienie mowy do bazowego modelu językowego Mistral Small. Przyjmuje dźwięk i tekst oraz zwraca tekst, w tym transkrypcję, odpowiedź o nagraniu, tłumaczenie lub uporządkowane podsumowanie. Jest to wskazana edycja rozumienia mowy 24B, odrębna od Voxtral Mini, wariantów usługi zoptymalizowanych do transkrypcji i późniejszych wydań Voxtral do generowania mowy lub pracy w czasie rzeczywistym.</p><p>Transkrypcja i rozumienie dźwięku</p><p>Model ma dedykowany tryb czystej transkrypcji. Producent stwierdza, że domyślnie automatycznie przewiduje język źródłowego nagrania i odpowiednio je transkrybuje. Używaj tego trybu, gdy pożądanym artefaktem jest samo wypowiedziane brzmienie, a nie interpretacja lub podsumowanie. Wskaż, czy wynik ma zachować język oryginału, czy po nim powinno nastąpić osobno żądane tłumaczenie.</p><p>Rozumienie dźwięku pozwala zadawać pytanie bezpośrednio o nagranie, bez wcześniejszego łączenia osobnego modelu rozpoznawania mowy i modelu tekstowego. Żądanie może pytać, jaki temat omawiano, jaką decyzję wypowiedziano lub jaka informacja w nagraniu odpowiada na konkretne pytanie. Wynikiem może być zwięzła odpowiedź lub uporządkowane podsumowanie zamiast pełnej transkrypcji każdego wypowiedzianego słowa.</p><p>Dla podsumowania spotkania dostarcz nagranie i zdefiniuj pola do zwrócenia: tematy, wyraźnie wypowiedziane decyzje i dalsze działania. Proś o nazwiska lub daty tylko wtedy, gdy rzeczywiście padają w nagraniu, i oddziel nierozstrzygnięte szczegóły od decyzji. Dla wywiadu zażądaj odpowiedzi na konkretne pytanie i otaczającego kontekstu, który czyni ją zrozumiałą. Takie projekty wyników łączą zadanie audio z dokumentem, który ktoś może później wykorzystać.</p><p>Kontekst, czas trwania i języki</p><p>Producent dokumentuje kontekst o wielkości 32 tys. tokenów i nagrania do 30 minut dla transkrypcji lub 40 minut dla rozumienia. Te dwie długości dotyczą różnych zakresów zadań. Wybierz pożądaną operację przed wyborem nagrania i uwzględnij instrukcję tekstową oraz rozmowę przy planowaniu dostępnego kontekstu. Długie nagranie i długa odpowiedź pisemna zużywają zasoby; podany czas trwania nie jest osobną obietnicą nieograniczonej długości odpowiedzi.</p><p>Wydanie wskazuje angielski, hiszpański, francuski, portugalski, hindi, niemiecki, niderlandzki i włoski wśród głównych obsługiwanych języków i zapewnia automatyczne wykrywanie języka. Dla tłumaczenia mowy ustal język końcowy i terminy, które powinny zachować oryginalną formę. Dla pytania o dźwięk w jednym języku odróżnij język nagrania od języka, w którym ma być napisana odpowiedź.</p><p>Wiele nagrań i pytania uzupełniające</p><p>Karta obsługuje kilka wejść audio w wiadomości i dźwięk w wielu turach użytkownika. Nadaj każdemu nagraniu identyfikator i określ jego rolę przy porównywaniu. Praktyczne żądanie może porównywać dwie wersje wypowiedzianego wyjaśnienia, pytać o zmienione warunki i zwracać tabelę z osobną kolumną dla każdego nagrania. Identyfikatory pomagają utrzymać powiązanie ustaleń modelu z właściwym źródłem.</p><p>Pytanie uzupełniające może zachować wcześniejsze pytanie i odpowiedź, jednocześnie prosząc o węższy szczegół lub dostarczając inne nagranie. Na przykład najpierw poproś o decyzje z dyskusji, a następnie zapytaj, która decyzja dotyczy konkretnego wymagania. To samo wydanie demonstruje również żądania wyłącznie tekstowe i wyłącznie dźwiękowe. Jego baza tekstowa może pracować nad pisemnym pytaniem lub wynikiem, a możliwość audio dostarcza dowodów z mowy.</p><p>Funkcje sterowane głosem</p><p>Producent opisuje wywoływanie funkcji na podstawie intencji wypowiedzianej głosem i oznacza przykład wywoływania funkcji w opublikowanej karcie jako obsługę eksperymentalną. W tym przepływie aplikacja definiuje funkcję i jej argumenty, model przygotowuje wywołanie na podstawie żądania, a aplikacja je wykonuje i dostarcza wynik. Wyszukiwanie głosowe może więc zwrócić pisemną odpowiedź z wykorzystaniem informacji z połączonego narzędzia. Wywoływanie funkcji nie oznacza, że model automatycznie włada usługą zewnętrzną lub wykonuje działanie jedynie przez jego nazwanie.</p><p>Wyraźnie określ przeznaczenie funkcji i wymagane informacje. Jeśli nagranie prosi o operację, ale pomija wymaganą wartość, aplikacja nadal potrzebuje tej wartości do wykonania funkcji. Oddziel wypowiedziane żądanie, proponowane argumenty i zwrócony wynik, aby kolejna odpowiedź mogła odnieść się do rzeczywistego rezultatu operacji.</p><p>Zalecane ustawienia i przydatne granice zakresu</p><p>Dla rozumienia dźwięku i uzupełniania czatu karta zaleca temperaturę 0.2 i top-p 0.95. Dla transkrypcji zaleca temperaturę 0.0. Wyraźnie stwierdza, że prompty systemowe nie są obsługiwane w tym udostępnionym przepływie użycia, więc umieść zadanie i wymagania odpowiedzi w wejściu użytkownika, zamiast przenosić konwencję promptu systemowego z innego modelu Mistral.</p><p>Wybierz nagranie zawierające materiał istotny dla pytania, zadbaj o czytelną słyszalność mowy i określ, czy wynikiem ma być transkrypcja, tłumaczenie, odpowiedź czy podsumowanie. Udokumentowane wyjście to tekst. Odpowiedź mówiona wymaga komponentu text-to-speech, a identyfikacji mówcy, szczegółowej diarizacji lub znaczników czasu na poziomie słów nie należy wywodzić z ogólnego twierdzenia o rozumieniu dźwięku dla tego konkretnego wydania.</p><p>Przykłady generowania 500 tokenów w karcie są przykładowymi ustawieniami, a nie osobno podaną maksymalną pojemnością wyjścia. Zachowaj edycję 2507, wskazówki czasu trwania zależne od zadania i język wejścia podczas przygotowywania powtarzalnego przepływu. Przydatny końcowy artefakt to żądany tekst, powiązany z nagraniem i sformatowany dla kolejnego kroku dokumentu lub aplikacji.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Dostępne w Ailoot · dane wejściowe i metody</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Transkrypcja</b> <code>POST /v1/audio/transcriptions</code></summary><dl class=\"method-capabilities\"><div><dt>Wejście</dt><dd><code>audio</code></dd></div><div><dt>Wyjście</dt><dd><code>text</code></dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Pole</th><th>Typ</th><th>Wymaganie</th><th>Wartości i limity</th><th>Domyślnie</th></tr></thead><tbody><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>string</code></td><td data-cell-label=\"Wymaganie\"><span class=\"card-cell-label\">Wymaganie</span>Wymagane</td><td data-cell-label=\"Wartości i limity\"><span class=\"card-cell-label\">Wartości i limity</span><div>mistralai/voxtral-small-24b-2507-stt</div></td><td data-cell-label=\"Domyślnie\" data-default=\"unspecified\"><span class=\"card-cell-label\">Domyślnie</span>—</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">input_audio</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>object</code></td><td data-cell-label=\"Wymaganie\"><span class=\"card-cell-label\">Wymaganie</span>Wymagane</td><td data-cell-label=\"Wartości i limity\"><span class=\"card-cell-label\">Wartości i limity</span></td><td data-cell-label=\"Domyślnie\" data-default=\"unspecified\"><span class=\"card-cell-label\">Domyślnie</span>—</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">language</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>string</code></td><td data-cell-label=\"Wymaganie\"><span class=\"card-cell-label\">Wymaganie</span>Opcjonalne</td><td data-cell-label=\"Wartości i limity\"><span class=\"card-cell-label\">Wartości i limity</span></td><td data-cell-label=\"Domyślnie\" data-default=\"unspecified\"><span class=\"card-cell-label\">Domyślnie</span>—</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">temperature</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>number</code></td><td data-cell-label=\"Wymaganie\"><span class=\"card-cell-label\">Wymaganie</span>Opcjonalne</td><td data-cell-label=\"Wartości i limity\"><span class=\"card-cell-label\">Wartości i limity</span><div>Minimum: 0</div><div>Maksimum: 1</div></td><td data-cell-label=\"Domyślnie\" data-default=\"unspecified\"><span class=\"card-cell-label\">Domyślnie</span>—</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">response_format</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>string</code></td><td data-cell-label=\"Wymaganie\"><span class=\"card-cell-label\">Wymaganie</span>Opcjonalne</td><td data-cell-label=\"Wartości i limity\"><span class=\"card-cell-label\">Wartości i limity</span><div>json, verbose_json</div></td><td data-cell-label=\"Domyślnie\" data-default=\"known\"><span class=\"card-cell-label\">Domyślnie</span>json</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">timestamp_granularities</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>array</code></td><td data-cell-label=\"Wymaganie\"><span class=\"card-cell-label\">Wymaganie</span>Opcjonalne</td><td data-cell-label=\"Wartości i limity\"><span class=\"card-cell-label\">Wartości i limity</span></td><td data-cell-label=\"Domyślnie\" data-default=\"unspecified\"><span class=\"card-cell-label\">Domyślnie</span>—</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">provider</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>object</code></td><td data-cell-label=\"Wymaganie\"><span class=\"card-cell-label\">Wymaganie</span>Opcjonalne</td><td data-cell-label=\"Wartości i limity\"><span class=\"card-cell-label\">Wartości i limity</span></td><td data-cell-label=\"Domyślnie\" data-default=\"unspecified\"><span class=\"card-cell-label\">Domyślnie</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>Parametry i cykl życia metody</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Parametr</th><th>Kontrakt</th></tr></thead><tbody><tr><th data-cell-label=\"Parametr\" scope=\"row\"><span class=\"card-cell-label\">Parametr</span><code>content_type</code></th><td data-cell-label=\"Kontrakt\"><span class=\"card-cell-label\">Kontrakt</span>application/json</td></tr><tr><th data-cell-label=\"Parametr\" scope=\"row\"><span class=\"card-cell-label\">Parametr</span><code>required</code></th><td data-cell-label=\"Kontrakt\"><span class=\"card-cell-label\">Kontrakt</span>model, input_audio</td></tr><tr><th data-cell-label=\"Parametr\" scope=\"row\"><span class=\"card-cell-label\">Parametr</span><code>material_types</code></th><td data-cell-label=\"Kontrakt\"><span class=\"card-cell-label\">Kontrakt</span>audio</td></tr><tr><th data-cell-label=\"Parametr\" scope=\"row\"><span class=\"card-cell-label\">Parametr</span><code>material_conditions</code></th><td data-cell-label=\"Kontrakt\"><span class=\"card-cell-label\">Kontrakt</span>Odczytaj rzeczywisty plik WAV i zakoduj jego prawdziwe bajty dla zadeklarowanego wejścia JSON input_audio; dla tej konkretnej deklaracji obsługującej wyłącznie JSON nie deklaruje się ścieżki multipart.</td></tr></tbody></table></div><p>Cykl życia: <code>synchronous_result_then_owned_library</code></p><p class=\"note-s\"><code>GET /v1/media/tasks/{task_id}</code> · Rzeczywiście zwrócony task_id lub wpis w bibliotece multimediów</p><p class=\"note-s\"><code>GET /v1/media/assets/{asset_id}/content</code></p><p class=\"note-s\"><code>GET /v1/media/assets</code></p><p class=\"note-s\"><code>GET /v1/media/assets/{asset_id}</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Cennik</h3><div class=\"card-result-process\" data-billing-basis><h5>Jak obliczana jest ostateczna opłata</h5><p class=\"note-s\">Wyświetlane stawki służą do oszacowania kosztu przed generowaniem. Ostateczna opłata jest obliczana na podstawie kosztu zarejestrowanego dla pierwotnego generowania. Zmierzony czas trwania wyniku i prognozowane ilości nie stanowią ostatecznej ilości podlegającej rozliczeniu.</p></div><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.</p><dl data-price-conditions><dt>Tryb szybki</dt><dd>Nie określono <span class=\"note-s\">Gdy wybrany jest tryb szybki</span></dd><dt>Tryb flex</dt><dd>Nie określono <span class=\"note-s\">Gdy wybrany jest tryb flex</span></dd><dt>Maksymalna intensywność rozumowania</dt><dd>Nie określono <span class=\"note-s\">Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)</span></dd></dl></div><div data-declared-tariff-pricing><h4>Szacunkowe stawki do porównania</h4><h4>Ceny według konfiguracji</h4><p class=\"note-s\">Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.</p><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Konfiguracja</th><th>Tabela stawek</th><th>Przewidywana ilość</th><th>Jednostka rozliczeniowa</th><th>Opłata</th></tr></thead><tbody><tr><th data-cell-label=\"Konfiguracja\" scope=\"row\"><span class=\"card-cell-label\">Konfiguracja</span>Bazowe stawki za tokeny</th><td data-cell-label=\"Tabela stawek\"><span class=\"card-cell-label\">Tabela stawek</span>Stawka podstawowa</td><td data-cell-label=\"Przewidywana ilość\"><span class=\"card-cell-label\">Przewidywana ilość</span>—</td><td data-cell-label=\"Jednostka rozliczeniowa\"><span class=\"card-cell-label\">Jednostka rozliczeniowa</span>—</td><td data-cell-label=\"Opłata\"><span class=\"card-cell-label\">Opłata</span><div><span>Wejście · Tokeny wejściowe · Szacunek tylko do porównania</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenów</span></div><div><span>Wyjście · Tokeny wyjściowe · Szacunek tylko do porównania</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenów</span></div><div><span>Wejście · Odczyt cache · Szacunek tylko do porównania</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenów</span></div><div><span>Wejście · Zapis do cache · Szacunek tylko do porównania</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenów</span></div><div><span>Wejście · Zapis do cache, 1 godz. · Szacunek tylko do porównania</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenów</span></div></td></tr><tr><th data-cell-label=\"Konfiguracja\" scope=\"row\"><span class=\"card-cell-label\">Konfiguracja</span>sekunda wejściowego audio</th><td data-cell-label=\"Tabela stawek\"><span class=\"card-cell-label\">Tabela stawek</span>—</td><td data-cell-label=\"Przewidywana ilość\"><span class=\"card-cell-label\">Przewidywana ilość</span>—</td><td data-cell-label=\"Jednostka rozliczeniowa\"><span class=\"card-cell-label\">Jednostka rozliczeniowa</span>za sekundę dźwięku wejściowego</td><td data-cell-label=\"Opłata\"><span class=\"card-cell-label\">Opłata</span><div><span>Wejście · sekunda wejściowego audio · Szacunek tylko do porównania</span> <b>$0.0001</b> <span class=\"price-unit\">za sekundę dźwięku wejściowego</span></div></td></tr><tr><th data-cell-label=\"Konfiguracja\" scope=\"row\"><span class=\"card-cell-label\">Konfiguracja</span>Szacowany koszt generowania</th><td data-cell-label=\"Tabela stawek\"><span class=\"card-cell-label\">Tabela stawek</span>—</td><td data-cell-label=\"Przewidywana ilość\"><span class=\"card-cell-label\">Przewidywana ilość</span>szacunek dla jednego generowania</td><td data-cell-label=\"Jednostka rozliczeniowa\"><span class=\"card-cell-label\">Jednostka rozliczeniowa</span>—</td><td data-cell-label=\"Opłata\"><span class=\"card-cell-label\">Opłata</span><div><span>Wyjście · Szacowany koszt generowania · Szacunek tylko do porównania</span> <b>$0.0001</b> <span class=\"price-unit\">szacunek przed generowaniem</span></div><p class=\"note-s\">Ten szacunek nie jest dodatkową opłatą ani stałą stawką za ukończone generowanie.</p></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. <a href=\"/docs/pl/billing/reserve/\">Jak działają rezerwacja i rozliczenie →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Przykładowe żądania</h3><h4>Ailoot Ultra · Transkrypcja</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Warianty kodu\"><button class=\"cg-tab\" id=\"model-code-1947-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1947-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · natywna treść żądania w dokładnej postaci i kompletny wynik</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Kopiuj kod\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-1947-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-1947-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\n: &quot;${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}&quot;\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ[&#39;AILOOT_AUDIO_FILE&#39;]).read_bytes()\nif not (audio[:4]==b&#39;RIFF&#39; and audio[8:12]==b&#39;WAVE&#39;): raise SystemExit(&#39;Supply an actual WAV audio file&#39;)\nif len(audio)&gt;26214400: raise SystemExit(&#39;Use a documented supported large-file flow&#39;)\nrequest={&#39;model&#39;: &#39;mistralai/voxtral-small-24b-2507-stt&#39;, &#39;input_audio&#39;: {&#39;data&#39;: &#39;${BASE64_ACTUAL_WAV_BYTES}&#39;, &#39;format&#39;: &#39;wav&#39;}}\nrequest[&#39;input_audio&#39;][&#39;data&#39;]=base64.b64encode(audio).decode(&#39;ascii&#39;)\nPath(&#39;request.json&#39;).write_text(json.dumps(request,ensure_ascii=False),encoding=&#39;utf-8&#39;)\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Odbieranie i zapisywanie wyników</h3><h4>Ailoot Ultra · Transkrypcja</h4><ul class=\"card-result-paths\"><li><code>GET /v1/media/tasks/{task_id}</code></li><li><code>GET /v1/media/assets/{asset_id}/content</code></li><li><code>GET /v1/media/assets</code></li><li><code>GET /v1/media/assets/{asset_id}</code></li></ul><details class=\"card-about\"><summary>Inne odczyty treści</summary><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Warianty kodu\"><button class=\"cg-tab\" id=\"model-code-1948-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1948-panel-0\" aria-selected=\"true\" tabindex=\"0\">Odczytaj istniejące zasoby należące do Ciebie</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Kopiuj kod\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-1948-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-1948-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n</code></pre></div></div></div></details><div class=\"card-result-process\" data-all-results><h5>Zachowaj wszystkie ukończone wyniki</h5><p class=\"note-s\">Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.</p><p class=\"note-s\">Zachowaj pełną odpowiedź i nagłówki, wszystkie rzeczywiście uzyskane wyniki, pierwotnie zwrócone identyfikatory oraz wszystkie pola zużycia. Odzyskaj pierwotną operację bez ponownego wysyłania żądania utworzenia.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Jeśli trzeba sprawdzić pierwotną odpowiedź</h5><p class=\"note-s\">Zachowaj zwrócony X-Client-Request-ID do uzgodnienia danych. Odczytuj wyłącznie rzeczywiście zwrócone wartości task_id/asset_id lub własną bibliotekę multimediów; nigdy nie buduj adresu URL zadania na podstawie identyfikatora operacji i nigdy nie wysyłaj ponownie żądania utworzenia.</p></div><details class=\"card-about\" data-output-fields><summary>Pola odpowiedzi</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Pole</th><th>Typ</th></tr></thead><tbody><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">text</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span></td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span></td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">segments[]</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span></td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">words[]</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span></td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">speaker fields</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span></td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">timestamps</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span></td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Aliasy</h3><h4>Aliasy modelu</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=mistralai%2Fvoxtral-small-24b-2507-stt&amp;route=Ultra&amp;caller=mistralai%2Fvoxtral-small-24b-2507-stt&amp;fmt=transcriptions\"><code>mistralai/voxtral-small-24b-2507-stt</code></a></span></p><h4>Aliasy ścieżek metod</h4><p class=\"note-s\">Użyj ścieżek metod podanych powyżej.</p><h4>Powiązane ID modeli</h4><p class=\"note-s\"><a href=\"#m=mistralai%2Fvoxtral-small-24b-2507-stt&amp;route=Ultra&amp;caller=mistralai%2Fvoxtral-small-24b-2507-stt&amp;fmt=transcriptions\"><code>mistralai/voxtral-small-24b-2507-stt</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "mistralai/voxtral-small-24b-2507-stt",
        "fmt": "transcriptions",
        "http": "POST",
        "path": "/v1/audio/transcriptions",
        "request_model_id": "mistralai/voxtral-small-24b-2507-stt",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|mistralai%2Fvoxtral-small-24b-2507-stt",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "billing_basis": {
          "basis": "original_invoice_usd",
          "description": "Wyświetlane stawki służą do oszacowania kosztu przed generowaniem. Ostateczna opłata jest obliczana na podstawie kosztu zarejestrowanego dla pierwotnego generowania. Zmierzony czas trwania wyniku i prognozowane ilości nie stanowią ostatecznej ilości podlegającej rozliczeniu.",
          "forecast_quantity_is_estimate": true,
          "physical_output_is_billable_quantity": false,
          "version": "original_invoice_usd_v1"
        },
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "lifecycle": {
              "assets": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets"
                },
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}"
                }
              ],
              "content": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}/content",
                  "url_source": "exact returned signed URL; never construct token"
                }
              ],
              "mode": "synchronous_result_then_owned_library",
              "operation_id_is_not_task_id": true,
              "status": [
                {
                  "http": "GET",
                  "id_source": "actual returned task_id or media library record",
                  "path": "/v1/media/tasks/{task_id}"
                }
              ],
              "unknown": "Zachowaj zwrócony X-Client-Request-ID do uzgodnienia danych. Odczytuj wyłącznie rzeczywiście zwrócone wartości task_id/asset_id lub własną bibliotekę multimediów; nigdy nie buduj adresu URL zadania na podstawie identyfikatora operacji i nigdy nie wysyłaj ponownie żądania utworzenia."
            },
            "outputs": {
              "all_results": "Zachowaj pełną odpowiedź i nagłówki, wszystkie rzeczywiście uzyskane wyniki, pierwotnie zwrócone identyfikatory oraz wszystkie pola zużycia. Odzyskaj pierwotną operację bez ponownego wysyłania żądania utworzenia.",
              "family": "text",
              "fields": [
                {
                  "description": null,
                  "name": "text",
                  "type": null
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": null
                },
                {
                  "description": null,
                  "name": "segments[]",
                  "type": null
                },
                {
                  "description": null,
                  "name": "words[]",
                  "type": null
                },
                {
                  "description": null,
                  "name": "speaker fields",
                  "type": null
                },
                {
                  "description": null,
                  "name": "timestamps",
                  "type": null
                }
              ]
            },
            "parameters": [
              {
                "enum": [
                  "mistralai/voxtral-small-24b-2507-stt"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "name": "input_audio",
                "required": true,
                "type": "object"
              },
              {
                "name": "language",
                "required": false,
                "type": "string"
              },
              {
                "maximum": 1,
                "minimum": 0,
                "name": "temperature",
                "required": false,
                "type": "number"
              },
              {
                "default": "json",
                "default_known": true,
                "enum": [
                  "json",
                  "verbose_json"
                ],
                "enum_known": true,
                "name": "response_format",
                "required": false,
                "type": "string"
              },
              {
                "items": {
                  "enum": [
                    "segment",
                    "word"
                  ],
                  "type": "string"
                },
                "name": "timestamp_granularities",
                "required": false,
                "type": "array"
              },
              {
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "request_schema": {
              "properties": {
                "input_audio": {
                  "properties": {
                    "data": {
                      "contentEncoding": "base64",
                      "type": "string"
                    },
                    "format": {
                      "enum": [
                        "wav",
                        "mp3",
                        "flac",
                        "m4a",
                        "ogg",
                        "webm",
                        "aac"
                      ],
                      "type": "string"
                    }
                  },
                  "required": [
                    "data",
                    "format"
                  ],
                  "type": "object"
                },
                "language": {
                  "description": "ISO-639-1 code; omitted means auto-detection",
                  "type": "string"
                },
                "model": {
                  "enum": [
                    "mistralai/voxtral-small-24b-2507-stt"
                  ],
                  "type": "string"
                },
                "provider": {
                  "description": "Data policy and exact provider options; order/only/ignore are not applied to STT",
                  "properties": {
                    "data_collection": {
                      "enum": [
                        "allow",
                        "deny",
                        null
                      ],
                      "type": [
                        "string",
                        "null"
                      ]
                    },
                    "options": {
                      "type": "object"
                    },
                    "zdr": {
                      "type": [
                        "boolean",
                        "null"
                      ]
                    }
                  },
                  "type": "object"
                },
                "response_format": {
                  "default": "json",
                  "description": "verbose_json requires exact model/provider support",
                  "enum": [
                    "json",
                    "verbose_json"
                  ],
                  "type": "string"
                },
                "temperature": {
                  "maximum": 1,
                  "minimum": 0,
                  "type": "number"
                },
                "timestamp_granularities": {
                  "description": "Only used with supported verbose_json",
                  "items": {
                    "enum": [
                      "segment",
                      "word"
                    ],
                    "type": "string"
                  },
                  "type": "array"
                }
              },
              "required": [
                "model",
                "input_audio"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": true,
              "body": {
                "input_audio": {
                  "data": "${BASE64_ACTUAL_WAV_BYTES}",
                  "format": "wav"
                },
                "model": "mistralai/voxtral-small-24b-2507-stt"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "content_type": "application/json",
            "material_conditions": [
              "Odczytaj rzeczywisty plik WAV i zakoduj jego prawdziwe bajty dla zadeklarowanego wejścia JSON input_audio; dla tej konkretnej deklaracji obsługującej wyłącznie JSON nie deklaruje się ścieżki multipart."
            ],
            "material_types": [
              "audio"
            ],
            "required": [
              "model",
              "input_audio"
            ]
          },
          "lifecycle": {
            "assets": [
              {
                "http": "GET",
                "path": "/v1/media/assets"
              },
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}"
              }
            ],
            "content": [
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}/content",
                "url_source": "exact returned signed URL; never construct token"
              }
            ],
            "mode": "synchronous_result_then_owned_library",
            "operation_id_is_not_task_id": true,
            "status": [
              {
                "http": "GET",
                "id_source": "Rzeczywiście zwrócony task_id lub wpis w bibliotece multimediów",
                "path": "/v1/media/tasks/{task_id}"
              }
            ],
            "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation."
          },
          "method": {
            "http": "POST",
            "path": "/v1/audio/transcriptions"
          },
          "output": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "family": "text",
            "fields": [
              {
                "description": null,
                "name": "text",
                "type": null
              },
              {
                "description": null,
                "name": "usage",
                "type": null
              },
              {
                "description": null,
                "name": "segments[]",
                "type": null
              },
              {
                "description": null,
                "name": "words[]",
                "type": null
              },
              {
                "description": null,
                "name": "speaker fields",
                "type": null
              },
              {
                "description": null,
                "name": "timestamps",
                "type": null
              }
            ]
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio second"
            },
            "label": "input audio second",
            "units": [
              {
                "amount": "0.0001",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "audio_input_second",
                "label": "input audio second",
                "native_amount_usd_per_unit": "0.0001",
                "native_quantity": 1,
                "public_unit_label": "per input audio second",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          },
          {
            "basis": "Ten szacunek nie jest dodatkową opłatą ani stałą stawką za ukończone generowanie.",
            "dimensions": {
              "forecast_quantity": "one generation estimate"
            },
            "label": "Szacowany koszt generowania",
            "units": [
              {
                "amount": "0.0001",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "forecast_usd",
                "label": "Estimated generation cost",
                "native_amount_usd_per_unit": "0.0001",
                "native_quantity": 1,
                "public_unit_label": "estimate before generation",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "request_estimate"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'mistralai/voxtral-small-24b-2507-stt', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n",
            "label": "curl · exact native body and complete result",
            "language": "bash"
          },
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n",
            "label": "Read existing owned assets",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "transcriptions",
        "hints": [
          "Use the exact caller model ID and documented input representation.",
          "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "audio"
        ],
        "label": "Transkrypcja",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "native_endpoint": "audio_transcriptions",
        "out": null,
        "output": [
          "text"
        ],
        "path": "/v1/audio/transcriptions",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "original_invoice_usd",
          "image_input_price": null,
          "image_output_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio second"
            },
            "label": "input audio second",
            "units": [
              {
                "amount": "0.0001",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "audio_input_second",
                "label": "input audio second",
                "native_amount_usd_per_unit": "0.0001",
                "native_quantity": 1,
                "public_unit_label": "per input audio second",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          },
          {
            "basis": "This estimate is not an additional charge or a fixed rate for the completed generation.",
            "dimensions": {
              "forecast_quantity": "one generation estimate"
            },
            "label": "Estimated generation cost",
            "units": [
              {
                "amount": "0.0001",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "forecast_usd",
                "label": "Estimated generation cost",
                "native_amount_usd_per_unit": "0.0001",
                "native_quantity": 1,
                "public_unit_label": "estimate before generation",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "request_estimate"
              }
            ]
          }
        ],
        "request_model_id": "mistralai/voxtral-small-24b-2507-stt",
        "route_label": "Ultra",
        "status_reads": [
          "GET /v1/media/tasks/{task_id}"
        ],
        "tiers": [],
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0.0001",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "audio_input_second",
            "label": "input audio second",
            "native_amount_usd_per_unit": "0.0001",
            "native_quantity": 1,
            "public_unit_label": "per input audio second",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "audio_input_second"
          },
          {
            "amount": "0.0001",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "forecast_usd",
            "label": "Estimated generation cost",
            "native_amount_usd_per_unit": "0.0001",
            "native_quantity": 1,
            "public_unit_label": "estimate before generation",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "request_estimate"
          }
        ]
      }
    }
  ],
  "model_id": "mistralai/voxtral-small-24b-2507-stt",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "1c3e1fd452c85977299eb515e6958e9e336f58a36f4df0841c443a10d9114970",
    "input_html_sha256": "a55601a704fb828a4540f4aa065bcadec23f80244be6e4faf761c6b4f731649b",
    "private_audit_sha256": "8c532a1c0a68033c4a23287e540ff5ac219d008afefe3d1f74784a19bb9e09de",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/pl/mistralai-voxtral-small-24b-2507-stt/",
    "description": "Voxtral Small 1.0 24B 2507 to model przyjmujący tekst i dźwięk do transkrypcji, tłumaczenia mowy, pytań i podsumowań. Producent dokumentuje kontekst o wielkości 32 tys. tokenów, do 30 minut dla transkrypcji lub 40 minut dla rozumienia, wiele wejść audio i wyniki tekstowe.",
    "locale": "pl",
    "md_url": "https://ailoot.ai/models/pl/mistralai-voxtral-small-24b-2507-stt/index.md",
    "title": "Mistral: Voxtral Small 24B 2507 STT — Ailoot",
    "url": "https://ailoot.ai/models/pl/mistralai-voxtral-small-24b-2507-stt/"
  },
  "rawModel": {
    "about": "Voxtral Small 1.0 24B 2507 dodaje wejście audio i rozumienie mowy do bazowego modelu językowego Mistral Small. Przyjmuje dźwięk i tekst oraz zwraca tekst, w tym transkrypcję, odpowiedź o nagraniu, tłumaczenie lub uporządkowane podsumowanie. Jest to wskazana edycja rozumienia mowy 24B, odrębna od Voxtral Mini, wariantów usługi zoptymalizowanych do transkrypcji i późniejszych wydań Voxtral do generowania mowy lub pracy w czasie rzeczywistym.\n\nTranskrypcja i rozumienie dźwięku\n\nModel ma dedykowany tryb czystej transkrypcji. Producent stwierdza, że domyślnie automatycznie przewiduje język źródłowego nagrania i odpowiednio je transkrybuje. Używaj tego trybu, gdy pożądanym artefaktem jest samo wypowiedziane brzmienie, a nie interpretacja lub podsumowanie. Wskaż, czy wynik ma zachować język oryginału, czy po nim powinno nastąpić osobno żądane tłumaczenie.\n\nRozumienie dźwięku pozwala zadawać pytanie bezpośrednio o nagranie, bez wcześniejszego łączenia osobnego modelu rozpoznawania mowy i modelu tekstowego. Żądanie może pytać, jaki temat omawiano, jaką decyzję wypowiedziano lub jaka informacja w nagraniu odpowiada na konkretne pytanie. Wynikiem może być zwięzła odpowiedź lub uporządkowane podsumowanie zamiast pełnej transkrypcji każdego wypowiedzianego słowa.\n\nDla podsumowania spotkania dostarcz nagranie i zdefiniuj pola do zwrócenia: tematy, wyraźnie wypowiedziane decyzje i dalsze działania. Proś o nazwiska lub daty tylko wtedy, gdy rzeczywiście padają w nagraniu, i oddziel nierozstrzygnięte szczegóły od decyzji. Dla wywiadu zażądaj odpowiedzi na konkretne pytanie i otaczającego kontekstu, który czyni ją zrozumiałą. Takie projekty wyników łączą zadanie audio z dokumentem, który ktoś może później wykorzystać.\n\nKontekst, czas trwania i języki\n\nProducent dokumentuje kontekst o wielkości 32 tys. tokenów i nagrania do 30 minut dla transkrypcji lub 40 minut dla rozumienia. Te dwie długości dotyczą różnych zakresów zadań. Wybierz pożądaną operację przed wyborem nagrania i uwzględnij instrukcję tekstową oraz rozmowę przy planowaniu dostępnego kontekstu. Długie nagranie i długa odpowiedź pisemna zużywają zasoby; podany czas trwania nie jest osobną obietnicą nieograniczonej długości odpowiedzi.\n\nWydanie wskazuje angielski, hiszpański, francuski, portugalski, hindi, niemiecki, niderlandzki i włoski wśród głównych obsługiwanych języków i zapewnia automatyczne wykrywanie języka. Dla tłumaczenia mowy ustal język końcowy i terminy, które powinny zachować oryginalną formę. Dla pytania o dźwięk w jednym języku odróżnij język nagrania od języka, w którym ma być napisana odpowiedź.\n\nWiele nagrań i pytania uzupełniające\n\nKarta obsługuje kilka wejść audio w wiadomości i dźwięk w wielu turach użytkownika. Nadaj każdemu nagraniu identyfikator i określ jego rolę przy porównywaniu. Praktyczne żądanie może porównywać dwie wersje wypowiedzianego wyjaśnienia, pytać o zmienione warunki i zwracać tabelę z osobną kolumną dla każdego nagrania. Identyfikatory pomagają utrzymać powiązanie ustaleń modelu z właściwym źródłem.\n\nPytanie uzupełniające może zachować wcześniejsze pytanie i odpowiedź, jednocześnie prosząc o węższy szczegół lub dostarczając inne nagranie. Na przykład najpierw poproś o decyzje z dyskusji, a następnie zapytaj, która decyzja dotyczy konkretnego wymagania. To samo wydanie demonstruje również żądania wyłącznie tekstowe i wyłącznie dźwiękowe. Jego baza tekstowa może pracować nad pisemnym pytaniem lub wynikiem, a możliwość audio dostarcza dowodów z mowy.\n\nFunkcje sterowane głosem\n\nProducent opisuje wywoływanie funkcji na podstawie intencji wypowiedzianej głosem i oznacza przykład wywoływania funkcji w opublikowanej karcie jako obsługę eksperymentalną. W tym przepływie aplikacja definiuje funkcję i jej argumenty, model przygotowuje wywołanie na podstawie żądania, a aplikacja je wykonuje i dostarcza wynik. Wyszukiwanie głosowe może więc zwrócić pisemną odpowiedź z wykorzystaniem informacji z połączonego narzędzia. Wywoływanie funkcji nie oznacza, że model automatycznie włada usługą zewnętrzną lub wykonuje działanie jedynie przez jego nazwanie.\n\nWyraźnie określ przeznaczenie funkcji i wymagane informacje. Jeśli nagranie prosi o operację, ale pomija wymaganą wartość, aplikacja nadal potrzebuje tej wartości do wykonania funkcji. Oddziel wypowiedziane żądanie, proponowane argumenty i zwrócony wynik, aby kolejna odpowiedź mogła odnieść się do rzeczywistego rezultatu operacji.\n\nZalecane ustawienia i przydatne granice zakresu\n\nDla rozumienia dźwięku i uzupełniania czatu karta zaleca temperaturę 0.2 i top-p 0.95. Dla transkrypcji zaleca temperaturę 0.0. Wyraźnie stwierdza, że prompty systemowe nie są obsługiwane w tym udostępnionym przepływie użycia, więc umieść zadanie i wymagania odpowiedzi w wejściu użytkownika, zamiast przenosić konwencję promptu systemowego z innego modelu Mistral.\n\nWybierz nagranie zawierające materiał istotny dla pytania, zadbaj o czytelną słyszalność mowy i określ, czy wynikiem ma być transkrypcja, tłumaczenie, odpowiedź czy podsumowanie. Udokumentowane wyjście to tekst. Odpowiedź mówiona wymaga komponentu text-to-speech, a identyfikacji mówcy, szczegółowej diarizacji lub znaczników czasu na poziomie słów nie należy wywodzić z ogólnego twierdzenia o rozumieniu dźwięku dla tego konkretnego wydania.\n\nPrzykłady generowania 500 tokenów w karcie są przykładowymi ustawieniami, a nie osobno podaną maksymalną pojemnością wyjścia. Zachowaj edycję 2507, wskazówki czasu trwania zależne od zadania i język wejścia podczas przygotowywania powtarzalnego przepływu. Przydatny końcowy artefakt to żądany tekst, powiązany z nagraniem i sformatowany dla kolejnego kroku dokumentu lub aplikacji.",
    "alias_of": null,
    "aliases": [],
    "author": "Mistral",
    "capabilities": {
      "context_length": 0,
      "manufacturer_input": [
        "audio"
      ],
      "manufacturer_output": [
        "transcription"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.0001",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "forecast_usd",
            "label": "Estimated generation cost",
            "native_amount_usd_per_unit": "0.0001",
            "native_quantity": 1,
            "public_unit_label": "estimate before generation",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "request_estimate"
          }
        ],
        "summary": "Pełny cennik konfiguracji w szczegółach."
      }
    ],
    "ctx": null,
    "formats": [
      "transcriptions"
    ],
    "id": "mistralai/voxtral-small-24b-2507-stt",
    "input": [
      "audio"
    ],
    "kind": "audio",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "billing_basis": {
          "basis": "original_invoice_usd",
          "description": "Wyświetlane stawki służą do oszacowania kosztu przed generowaniem. Ostateczna opłata jest obliczana na podstawie kosztu zarejestrowanego dla pierwotnego generowania. Zmierzony czas trwania wyniku i prognozowane ilości nie stanowią ostatecznej ilości podlegającej rozliczeniu.",
          "forecast_quantity_is_estimate": true,
          "physical_output_is_billable_quantity": false,
          "version": "original_invoice_usd_v1"
        },
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "lifecycle": {
              "assets": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets"
                },
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}"
                }
              ],
              "content": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}/content",
                  "url_source": "exact returned signed URL; never construct token"
                }
              ],
              "mode": "synchronous_result_then_owned_library",
              "operation_id_is_not_task_id": true,
              "status": [
                {
                  "http": "GET",
                  "id_source": "actual returned task_id or media library record",
                  "path": "/v1/media/tasks/{task_id}"
                }
              ],
              "unknown": "Zachowaj zwrócony X-Client-Request-ID do uzgodnienia danych. Odczytuj wyłącznie rzeczywiście zwrócone wartości task_id/asset_id lub własną bibliotekę multimediów; nigdy nie buduj adresu URL zadania na podstawie identyfikatora operacji i nigdy nie wysyłaj ponownie żądania utworzenia."
            },
            "outputs": {
              "all_results": "Zachowaj pełną odpowiedź i nagłówki, wszystkie rzeczywiście uzyskane wyniki, pierwotnie zwrócone identyfikatory oraz wszystkie pola zużycia. Odzyskaj pierwotną operację bez ponownego wysyłania żądania utworzenia.",
              "family": "text",
              "fields": [
                {
                  "description": null,
                  "name": "text",
                  "type": null
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": null
                },
                {
                  "description": null,
                  "name": "segments[]",
                  "type": null
                },
                {
                  "description": null,
                  "name": "words[]",
                  "type": null
                },
                {
                  "description": null,
                  "name": "speaker fields",
                  "type": null
                },
                {
                  "description": null,
                  "name": "timestamps",
                  "type": null
                }
              ]
            },
            "parameters": [
              {
                "enum": [
                  "mistralai/voxtral-small-24b-2507-stt"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "name": "input_audio",
                "required": true,
                "type": "object"
              },
              {
                "name": "language",
                "required": false,
                "type": "string"
              },
              {
                "maximum": 1,
                "minimum": 0,
                "name": "temperature",
                "required": false,
                "type": "number"
              },
              {
                "default": "json",
                "default_known": true,
                "enum": [
                  "json",
                  "verbose_json"
                ],
                "enum_known": true,
                "name": "response_format",
                "required": false,
                "type": "string"
              },
              {
                "items": {
                  "enum": [
                    "segment",
                    "word"
                  ],
                  "type": "string"
                },
                "name": "timestamp_granularities",
                "required": false,
                "type": "array"
              },
              {
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "request_schema": {
              "properties": {
                "input_audio": {
                  "properties": {
                    "data": {
                      "contentEncoding": "base64",
                      "type": "string"
                    },
                    "format": {
                      "enum": [
                        "wav",
                        "mp3",
                        "flac",
                        "m4a",
                        "ogg",
                        "webm",
                        "aac"
                      ],
                      "type": "string"
                    }
                  },
                  "required": [
                    "data",
                    "format"
                  ],
                  "type": "object"
                },
                "language": {
                  "description": "ISO-639-1 code; omitted means auto-detection",
                  "type": "string"
                },
                "model": {
                  "enum": [
                    "mistralai/voxtral-small-24b-2507-stt"
                  ],
                  "type": "string"
                },
                "provider": {
                  "description": "Data policy and exact provider options; order/only/ignore are not applied to STT",
                  "properties": {
                    "data_collection": {
                      "enum": [
                        "allow",
                        "deny",
                        null
                      ],
                      "type": [
                        "string",
                        "null"
                      ]
                    },
                    "options": {
                      "type": "object"
                    },
                    "zdr": {
                      "type": [
                        "boolean",
                        "null"
                      ]
                    }
                  },
                  "type": "object"
                },
                "response_format": {
                  "default": "json",
                  "description": "verbose_json requires exact model/provider support",
                  "enum": [
                    "json",
                    "verbose_json"
                  ],
                  "type": "string"
                },
                "temperature": {
                  "maximum": 1,
                  "minimum": 0,
                  "type": "number"
                },
                "timestamp_granularities": {
                  "description": "Only used with supported verbose_json",
                  "items": {
                    "enum": [
                      "segment",
                      "word"
                    ],
                    "type": "string"
                  },
                  "type": "array"
                }
              },
              "required": [
                "model",
                "input_audio"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": true,
              "body": {
                "input_audio": {
                  "data": "${BASE64_ACTUAL_WAV_BYTES}",
                  "format": "wav"
                },
                "model": "mistralai/voxtral-small-24b-2507-stt"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "content_type": "application/json",
            "material_conditions": [
              "Odczytaj rzeczywisty plik WAV i zakoduj jego prawdziwe bajty dla zadeklarowanego wejścia JSON input_audio; dla tej konkretnej deklaracji obsługującej wyłącznie JSON nie deklaruje się ścieżki multipart."
            ],
            "material_types": [
              "audio"
            ],
            "required": [
              "model",
              "input_audio"
            ]
          },
          "lifecycle": {
            "assets": [
              {
                "http": "GET",
                "path": "/v1/media/assets"
              },
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}"
              }
            ],
            "content": [
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}/content",
                "url_source": "exact returned signed URL; never construct token"
              }
            ],
            "mode": "synchronous_result_then_owned_library",
            "operation_id_is_not_task_id": true,
            "status": [
              {
                "http": "GET",
                "id_source": "Rzeczywiście zwrócony task_id lub wpis w bibliotece multimediów",
                "path": "/v1/media/tasks/{task_id}"
              }
            ],
            "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation."
          },
          "method": {
            "http": "POST",
            "path": "/v1/audio/transcriptions"
          },
          "output": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "family": "text",
            "fields": [
              {
                "description": null,
                "name": "text",
                "type": null
              },
              {
                "description": null,
                "name": "usage",
                "type": null
              },
              {
                "description": null,
                "name": "segments[]",
                "type": null
              },
              {
                "description": null,
                "name": "words[]",
                "type": null
              },
              {
                "description": null,
                "name": "speaker fields",
                "type": null
              },
              {
                "description": null,
                "name": "timestamps",
                "type": null
              }
            ]
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio second"
            },
            "label": "input audio second",
            "units": [
              {
                "amount": "0.0001",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "audio_input_second",
                "label": "input audio second",
                "native_amount_usd_per_unit": "0.0001",
                "native_quantity": 1,
                "public_unit_label": "per input audio second",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          },
          {
            "basis": "Ten szacunek nie jest dodatkową opłatą ani stałą stawką za ukończone generowanie.",
            "dimensions": {
              "forecast_quantity": "one generation estimate"
            },
            "label": "Szacowany koszt generowania",
            "units": [
              {
                "amount": "0.0001",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "forecast_usd",
                "label": "Estimated generation cost",
                "native_amount_usd_per_unit": "0.0001",
                "native_quantity": 1,
                "public_unit_label": "estimate before generation",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "request_estimate"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'mistralai/voxtral-small-24b-2507-stt', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n",
            "label": "curl · exact native body and complete result",
            "language": "bash"
          },
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n",
            "label": "Read existing owned assets",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "transcriptions",
        "hints": [
          "Use the exact caller model ID and documented input representation.",
          "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "audio"
        ],
        "label": "Transkrypcja",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "native_endpoint": "audio_transcriptions",
        "out": null,
        "output": [
          "text"
        ],
        "path": "/v1/audio/transcriptions",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "original_invoice_usd",
          "image_input_price": null,
          "image_output_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio second"
            },
            "label": "input audio second",
            "units": [
              {
                "amount": "0.0001",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "audio_input_second",
                "label": "input audio second",
                "native_amount_usd_per_unit": "0.0001",
                "native_quantity": 1,
                "public_unit_label": "per input audio second",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          },
          {
            "basis": "This estimate is not an additional charge or a fixed rate for the completed generation.",
            "dimensions": {
              "forecast_quantity": "one generation estimate"
            },
            "label": "Estimated generation cost",
            "units": [
              {
                "amount": "0.0001",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "forecast_usd",
                "label": "Estimated generation cost",
                "native_amount_usd_per_unit": "0.0001",
                "native_quantity": 1,
                "public_unit_label": "estimate before generation",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "request_estimate"
              }
            ]
          }
        ],
        "request_model_id": "mistralai/voxtral-small-24b-2507-stt",
        "route_label": "Ultra",
        "status_reads": [
          "GET /v1/media/tasks/{task_id}"
        ],
        "tiers": [],
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0.0001",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "audio_input_second",
            "label": "input audio second",
            "native_amount_usd_per_unit": "0.0001",
            "native_quantity": 1,
            "public_unit_label": "per input audio second",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "audio_input_second"
          },
          {
            "amount": "0.0001",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "forecast_usd",
            "label": "Estimated generation cost",
            "native_amount_usd_per_unit": "0.0001",
            "native_quantity": 1,
            "public_unit_label": "estimate before generation",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "request_estimate"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "mistralai/voxtral-small-24b-2507-stt",
        "request_model_id": "mistralai/voxtral-small-24b-2507-stt",
        "route_label": "Ultra"
      }
    ],
    "name": "Mistral: Voxtral Small 24B 2507 STT",
    "price": {
      "estimate_only": true,
      "in": null,
      "in_label": null,
      "out": 0.0001,
      "out_label": "estimate before generation",
      "scope_label": "Estimated generation cost",
      "sort_in": null,
      "sort_out": 0.0001,
      "varies": false
    },
    "short": "Voxtral Small 1.0 24B 2507 to model przyjmujący tekst i dźwięk do transkrypcji, tłumaczenia mowy, pytań i podsumowań. Producent dokumentuje kontekst o wielkości 32 tys. tokenów, do 30 minut dla transkrypcji lub 40 minut dla rozumienia, wiele wejść audio i wyniki tekstowe."
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Voxtral Small 1.0 24B 2507 to model przyjmujący tekst i dźwięk do transkrypcji, tłumaczenia mowy, pytań i podsumowań. Producent dokumentuje kontekst o wielkości 32 tys. tokenów, do 30 minut dla transkrypcji lub 40 minut dla rozumienia, wiele wejść audio i wyniki tekstowe.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "c8cfa5cc928c7bd1161adf0062de805c7f900a2c9f6b5c40571b65d5e7296fa9",
    "renderer_sha256": "1217dcf19a93e99ac1d6fd7bf974dc19adc12fea4bd4470c2601f04e48f688cb"
  },
  "sourceRevision": "9b14fd853f56474352f20d2a7172f1f11f1004d2c1ca776df282bb5ca6d25ceb"
}