Voxtral Mini Transcribe 2 é a edição Voxtral da Mistral AI focada em transcrição, identificada na ficha do produtor como voxtral-mini-2602. Foi concebida para transcrição em lote de gravações, em vez do papel mais amplo de resposta a perguntas do modelo Voxtral Mini 3B original. A entrada é áudio e o resultado é texto transcrito, opcionalmente enriquecido com etiquetas de oradores e informação temporal. As utilizações práticas incluem transcrições de reuniões, análise de entrevistas, registos de chamadas com vários participantes e texto alinhado com conteúdo multimédia gravado.
O fabricante documenta diarização de oradores e tempos de início e fim, permitindo mostrar quem falou e quando. As marcas temporais por palavra apoiam legendas, pesquisa no áudio e alinhamento entre um trecho de texto e a sua posição numa gravação. O guia do produtor permite granularidade temporal por segmento ou palavra. Numa entrevista, um artefacto útil é uma sequência de trechos atribuídos a oradores com tempos; para preparar legendas, os tempos de palavras ou segmentos podem orientar uma etapa posterior de legendagem, em vez de obrigar a inferi-los a partir de texto transcrito sem marcas.
A orientação por contexto aceita até 100 palavras ou expressões que guiam o modelo para a grafia pretendida de nomes, termos técnicos e vocabulário específico de um domínio. A Mistral afirma que a funcionalidade está otimizada para inglês e que o suporte noutras línguas é experimental. Prepare uma lista de vocabulário focada no assunto da gravação, em vez de um glossário não relacionado. Um exemplo original seria fornecer os nomes dos projetos e termos especializados que provavelmente surgirão numa discussão técnica e verificar depois essas grafias na transcrição concluída.
Esta edição suporta treze línguas: inglês, chinês, hindi, espanhol, árabe, francês, português, russo, alemão, japonês, coreano, italiano e neerlandês. O fabricante documenta também robustez ao ruído e gravações até três horas num único pedido. Estas características pertencem ao fluxo de gravações do Mini Transcribe 2; as indicações de contexto e duração do modelo de compreensão de áudio 2507 original descrevem outra versão. Está disponível deteção automática de língua, e o guia afirma que indicar explicitamente uma língua de áudio conhecida pode melhorar a precisão da transcrição.
No fluxo documentado do produtor, o áudio pode ser fornecido como um ficheiro carregado, um identificador de ficheiro previamente carregado ou uma gravação referenciada. A demonstração de carregamento associada aceita gravações MP3, WAV, M4A, FLAC e OGG; escolha um destes formatos para esse fluxo demonstrado. Mantenha a gravação descodificável e inclua a fala relevante. Para material longo, preserve o identificador e a origem temporal para que excertos ou edições posteriores continuem rastreáveis até à fonte.
A referência de transcrição devolve o texto e a língua detetada, com segmentos quando pedidos, e documenta separadamente eventos de transcrição transmitidos em fluxo contínuo. A diarização é opcional e assume false por predefinição. O guia indica que timestamp_granularities e uma definição explícita de language não são atualmente compatíveis; escolha, portanto, o fluxo temporal pretendido ou a indicação manual de língua, em vez de os combinar. Transcrição com etiquetas de oradores, orientação por vocabulário e tempos devem ser selecionados segundo o resultado pretendido, em vez de presumidos num pedido básico.
A fala sobreposta é uma limitação substantiva: a Mistral afirma que o modelo normalmente transcreve um único orador quando há sobreposição. Uma transcrição etiquetada não deve, portanto, ser tratada como um registo exaustivo de todas as falas simultâneas. Para um registo de reunião, reveja sobreposições difíceis e nomes ou números importantes face à gravação. A finalidade do modelo é a transcrição; resumo, tradução ou análise podem ser tarefas separadas construídas a partir dela. Voxtral Realtime tem um perfil próprio de latência de transcrição em direto, enquanto a geração de fala pertence a outros modelos.
Prepare o resultado para a utilização seguinte. Um fluxo de reunião pode preservar a transcrição, as etiquetas de oradores e os tempos antes de uma etapa separada extrair decisões; um fluxo multimédia pode usar os tempos para localizar trechos e preparar legendas; uma gravação com muita terminologia pode incluir a lista focada de orientação por contexto e uma revisão das grafias resultantes. O resultado útil é texto ligado à gravação de origem e aos metadados configurados, mantendo esta edição numerada de transcrição distinta do modelo Mini original e de nomes latest atualizáveis.
", "aboutText": "Voxtral Mini Transcribe 2 é a edição Voxtral da Mistral AI focada em transcrição, identificada na ficha do produtor como voxtral-mini-2602. Foi concebida para transcrição em lote de gravações, em vez do papel mais amplo de resposta a perguntas do modelo Voxtral Mini 3B original. A entrada é áudio e o resultado é texto transcrito, opcionalmente enriquecido com etiquetas de oradores e informação temporal. As utilizações práticas incluem transcrições de reuniões, análise de entrevistas, registos de chamadas com vários participantes e texto alinhado com conteúdo multimédia gravado.\n\nO fabricante documenta diarização de oradores e tempos de início e fim, permitindo mostrar quem falou e quando. As marcas temporais por palavra apoiam legendas, pesquisa no áudio e alinhamento entre um trecho de texto e a sua posição numa gravação. O guia do produtor permite granularidade temporal por segmento ou palavra. Numa entrevista, um artefacto útil é uma sequência de trechos atribuídos a oradores com tempos; para preparar legendas, os tempos de palavras ou segmentos podem orientar uma etapa posterior de legendagem, em vez de obrigar a inferi-los a partir de texto transcrito sem marcas.\n\nA orientação por contexto aceita até 100 palavras ou expressões que guiam o modelo para a grafia pretendida de nomes, termos técnicos e vocabulário específico de um domínio. A Mistral afirma que a funcionalidade está otimizada para inglês e que o suporte noutras línguas é experimental. Prepare uma lista de vocabulário focada no assunto da gravação, em vez de um glossário não relacionado. Um exemplo original seria fornecer os nomes dos projetos e termos especializados que provavelmente surgirão numa discussão técnica e verificar depois essas grafias na transcrição concluída.\n\nEsta edição suporta treze línguas: inglês, chinês, hindi, espanhol, árabe, francês, português, russo, alemão, japonês, coreano, italiano e neerlandês. O fabricante documenta também robustez ao ruído e gravações até três horas num único pedido. Estas características pertencem ao fluxo de gravações do Mini Transcribe 2; as indicações de contexto e duração do modelo de compreensão de áudio 2507 original descrevem outra versão. Está disponível deteção automática de língua, e o guia afirma que indicar explicitamente uma língua de áudio conhecida pode melhorar a precisão da transcrição.\n\nNo fluxo documentado do produtor, o áudio pode ser fornecido como um ficheiro carregado, um identificador de ficheiro previamente carregado ou uma gravação referenciada. A demonstração de carregamento associada aceita gravações MP3, WAV, M4A, FLAC e OGG; escolha um destes formatos para esse fluxo demonstrado. Mantenha a gravação descodificável e inclua a fala relevante. Para material longo, preserve o identificador e a origem temporal para que excertos ou edições posteriores continuem rastreáveis até à fonte.\n\nA referência de transcrição devolve o texto e a língua detetada, com segmentos quando pedidos, e documenta separadamente eventos de transcrição transmitidos em fluxo contínuo. A diarização é opcional e assume false por predefinição. O guia indica que timestamp_granularities e uma definição explícita de language não são atualmente compatíveis; escolha, portanto, o fluxo temporal pretendido ou a indicação manual de língua, em vez de os combinar. Transcrição com etiquetas de oradores, orientação por vocabulário e tempos devem ser selecionados segundo o resultado pretendido, em vez de presumidos num pedido básico.\n\nA fala sobreposta é uma limitação substantiva: a Mistral afirma que o modelo normalmente transcreve um único orador quando há sobreposição. Uma transcrição etiquetada não deve, portanto, ser tratada como um registo exaustivo de todas as falas simultâneas. Para um registo de reunião, reveja sobreposições difíceis e nomes ou números importantes face à gravação. A finalidade do modelo é a transcrição; resumo, tradução ou análise podem ser tarefas separadas construídas a partir dela. Voxtral Realtime tem um perfil próprio de latência de transcrição em direto, enquanto a geração de fala pertence a outros modelos.\n\nPrepare o resultado para a utilização seguinte. Um fluxo de reunião pode preservar a transcrição, as etiquetas de oradores e os tempos antes de uma etapa separada extrair decisões; um fluxo multimédia pode usar os tempos para localizar trechos e preparar legendas; uma gravação com muita terminologia pode incluir a lista focada de orientação por contexto e uma revisão das grafias resultantes. O resultado útil é texto ligado à gravação de origem e aos metadados configurados, mantendo esta edição numerada de transcrição distinta do modelo Mini original e de nomes latest atualizáveis.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e2dba9db4e4b3ac77fdd81df00d21432d0822976882bc7039c48ca6abf562167", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "mistralai/voxtral-mini-transcribeVoxtral Mini Transcribe 2 converte gravações em texto com diarização de oradores, marcas temporais por palavra e orientação por vocabulário. A Mistral documenta 13 línguas e gravações até três horas para esta edição focada em transcrição, distinta do Voxtral Realtime.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Voxtral Mini Transcribe 2 é a edição Voxtral da Mistral AI focada em transcrição, identificada na ficha do produtor como voxtral-mini-2602. Foi concebida para transcrição em lote de gravações, em vez do papel mais amplo de resposta a perguntas do modelo Voxtral Mini 3B original. A entrada é áudio e o resultado é texto transcrito, opcionalmente enriquecido com etiquetas de oradores e informação temporal. As utilizações práticas incluem transcrições de reuniões, análise de entrevistas, registos de chamadas com vários participantes e texto alinhado com conteúdo multimédia gravado.
O fabricante documenta diarização de oradores e tempos de início e fim, permitindo mostrar quem falou e quando. As marcas temporais por palavra apoiam legendas, pesquisa no áudio e alinhamento entre um trecho de texto e a sua posição numa gravação. O guia do produtor permite granularidade temporal por segmento ou palavra. Numa entrevista, um artefacto útil é uma sequência de trechos atribuídos a oradores com tempos; para preparar legendas, os tempos de palavras ou segmentos podem orientar uma etapa posterior de legendagem, em vez de obrigar a inferi-los a partir de texto transcrito sem marcas.
A orientação por contexto aceita até 100 palavras ou expressões que guiam o modelo para a grafia pretendida de nomes, termos técnicos e vocabulário específico de um domínio. A Mistral afirma que a funcionalidade está otimizada para inglês e que o suporte noutras línguas é experimental. Prepare uma lista de vocabulário focada no assunto da gravação, em vez de um glossário não relacionado. Um exemplo original seria fornecer os nomes dos projetos e termos especializados que provavelmente surgirão numa discussão técnica e verificar depois essas grafias na transcrição concluída.
Esta edição suporta treze línguas: inglês, chinês, hindi, espanhol, árabe, francês, português, russo, alemão, japonês, coreano, italiano e neerlandês. O fabricante documenta também robustez ao ruído e gravações até três horas num único pedido. Estas características pertencem ao fluxo de gravações do Mini Transcribe 2; as indicações de contexto e duração do modelo de compreensão de áudio 2507 original descrevem outra versão. Está disponível deteção automática de língua, e o guia afirma que indicar explicitamente uma língua de áudio conhecida pode melhorar a precisão da transcrição.
No fluxo documentado do produtor, o áudio pode ser fornecido como um ficheiro carregado, um identificador de ficheiro previamente carregado ou uma gravação referenciada. A demonstração de carregamento associada aceita gravações MP3, WAV, M4A, FLAC e OGG; escolha um destes formatos para esse fluxo demonstrado. Mantenha a gravação descodificável e inclua a fala relevante. Para material longo, preserve o identificador e a origem temporal para que excertos ou edições posteriores continuem rastreáveis até à fonte.
A referência de transcrição devolve o texto e a língua detetada, com segmentos quando pedidos, e documenta separadamente eventos de transcrição transmitidos em fluxo contínuo. A diarização é opcional e assume false por predefinição. O guia indica que timestamp_granularities e uma definição explícita de language não são atualmente compatíveis; escolha, portanto, o fluxo temporal pretendido ou a indicação manual de língua, em vez de os combinar. Transcrição com etiquetas de oradores, orientação por vocabulário e tempos devem ser selecionados segundo o resultado pretendido, em vez de presumidos num pedido básico.
A fala sobreposta é uma limitação substantiva: a Mistral afirma que o modelo normalmente transcreve um único orador quando há sobreposição. Uma transcrição etiquetada não deve, portanto, ser tratada como um registo exaustivo de todas as falas simultâneas. Para um registo de reunião, reveja sobreposições difíceis e nomes ou números importantes face à gravação. A finalidade do modelo é a transcrição; resumo, tradução ou análise podem ser tarefas separadas construídas a partir dela. Voxtral Realtime tem um perfil próprio de latência de transcrição em direto, enquanto a geração de fala pertence a outros modelos.
Prepare o resultado para a utilização seguinte. Um fluxo de reunião pode preservar a transcrição, as etiquetas de oradores e os tempos antes de uma etapa separada extrair decisões; um fluxo multimédia pode usar os tempos para localizar trechos e preparar legendas; uma gravação com muita terminologia pode incluir a lista focada de orientação por contexto e uma revisão das grafias resultantes. O resultado útil é texto ligado à gravação de origem e aos metadados configurados, mantendo esta edição numerada de transcrição distinta do modelo Mini original e de nomes latest atualizáveis.
POST /v1/audio/transcriptionsaudiotext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites mistralai/voxtral-mini-transcribe | Predefinição— |
Campoinput_audio | Tipoobject | RequisitoObrigatório | Valores e limites | Predefinição— |
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, input_audio |
Parâmetromaterial_types | Contratoaudio |
Parâmetromaterial_conditions | ContratoO exemplo lê o seu ficheiro PCM WAV real e não vazio, codifica todos os bytes do ficheiro em base64 e envia input_audio.format como wav. |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id exato de um registo multimédia existente pertencente ao utilizador
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Unidade de faturação | Custo |
|---|---|---|---|
| ConfiguraçãoTarifas base por token | Tabela de tarifasTarifa base | Unidade de faturação— | Custo Entrada · Tokens de entrada — / 1K tokens Saída · Tokens de saída — / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| Configuraçãosegundo de áudio de entrada | Tabela de tarifas— | Unidade de faturaçãopor segundo de áudio de entrada | Custo Entrada · segundo de áudio de entrada $0.0001 por segundo de áudio de entrada |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'mistralai/voxtral-mini-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\nCorpo completo da resposta original, estado e cabeçalhos encaminhados. Este processador não adiciona qualquer estrutura JSON universal, campo de texto ou estrutura envolvente de tarefa.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve a resposta completa e os cabeçalhos, todos os resultados efetivamente produzidos, os identificadores originais devolvidos e todos os campos de utilização. Recupere a operação original sem voltar a enviar o pedido de criação.
Conserve o X-Client-Request-ID real e a resposta completa. Consulte os recursos originais pertencentes ao utilizador e os respetivos URLs assinados exatos de conteúdo; nunca volte a enviar uma criação incerta.
| Campo | Tipo |
|---|---|
Campotext (when present) | Tipo |
Campousage (when present) | Tipo |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoO corpo JSON ou o ID canónico explícito do modelo é inválido. | Passo seguinteConserve a resposta e corrija o campo indicado no pedido. |
Resposta401 · authentication_error | CondiçãoA chave API da Ailoot é inválida. | Passo seguinteUtilize a sua chave API autorizada da Ailoot. |
Resposta403 · permission_error | CondiçãoO grupo da chave não permite este método. | Passo seguinteConserve os detalhes do erro devolvido. |
Resposta404 · not_found_error | CondiçãoO método selecionado não tem uma rota autorizada. | Passo seguinteConserve os detalhes do erro devolvido. |
Resposta422 · price_unavailable | CondiçãoO tarifário aceite não consegue obter a quantidade de entrada ou o limite de que necessita. | Passo seguinteConserve a resposta; utilize a representação da entrada exigida pelo tarifário aceite. |
Resposta503 · | CondiçãoO armazenamento, a rota, o preço do método ou a reserva de que necessita não está disponível. | Passo seguinteConserve a resposta original completa. Uma reserva incerta não autoriza o reenvio. |
Resposta502 · server_error | CondiçãoO resultado, a utilização ou a liquidação original requer verificação. | Passo seguinteConserve o ID real do pedido e a resposta original. Consulte o registo existente pertencente ao utilizador; não volte a enviar o pedido de criação. |
Ailoot Ultra mistralai/voxtral-mini-transcribe
Use os caminhos dos métodos indicados acima.