Voxtral Mini 1.0 3B 2507 je kompaktný model Mistral AI na porozumenie textu a zvuku postavený na rodine jazykových modelov Ministral 3B. Prijíma nahrávky reči a textové pokyny a vytvára text vrátane prepisov, prekladov, odpovedí o zvuku a štruktúrovaných súhrnov. Pôvodné vydanie Voxtral určuje tento model 3B pre kompaktné alebo lokálne aplikácie popri samostatnom modeli Voxtral Small 24B. Odlišuje sa aj od hostovanej služby Voxtral Mini Transcribe optimalizovanej na prepis.
Model má vyhradený režim prepisu, ktorý predvolene automaticky predikuje zdrojový jazyk a podľa toho prepisuje. Tento režim zvoľte, keď je požadovaným artefaktom hovorené znenie. Porozumenie zvuku naopak umožňuje priamu otázku alebo požiadavku na súhrn nahrávky bez potreby samostatnej fázy rozpoznávania reči nasledovanej textovým modelom. Rozhovor preto môže vytvoriť úplný prepis, preklad alebo odpoveď na úzku otázku; určite potrebný výsledok, aby sa tieto rôzne úlohy nestali jedným nejednoznačným zadaním.
Karta presného vydania uvádza kontext 32K tokenov a zvuk do 30 minút na prepis alebo 40 minút na porozumenie. Ide o odlišné údaje trvania podľa úlohy, nie spoločný zvukový limit pre každú operáciu. Relevantnú nahrávku, pokyny a konverzáciu udržiavajte v zamýšľanom rozsahu úlohy. Pomenované jazyky výrobcu sú angličtina, španielčina, francúzština, portugalčina, hindčina, nemčina, holandčina a taliančina s automatickým rozpoznávaním jazyka. Pri preklade alebo odpovedi odlíšte jazyk nahrávky od požadovaného jazyka výstupu.
Podporovaných je niekoľko zvukových vstupov v správe aj zvuk naprieč viacerými používateľskými kolami. Pri žiadosti o porovnanie priraďte každej nahrávke jasný identifikátor. Vlastný príklad môže porovnať dve hovorené vysvetlenia a vrátiť, ktoré požiadavky sa zmenili, so samostatným stĺpcom pre každý zdroj. Nadväzujúca otázka sa môže pýtať na detail jedného zistenia alebo dodať ďalšiu nahrávku. Karta ukazuje aj čisto textové a čisto zvukové použitie, takže model môže pracovať s písomnou otázkou aj s dôkazmi z reči.
Pri súhrne stretnutia dodajte nahrávku a žiadajte užitočnú štruktúru, napríklad témy, uvedené rozhodnutia a nadväzujúce akcie. Neisté mená, dátumy alebo zodpovednosti oddeľte od jasne vyslovených faktov. Pri rozhovore žiadajte tvrdenie odpovedajúce na konkrétnu otázku a dostatok okolitého kontextu na jeho pochopenie. Ide o návrhy úloh pre použiteľný textový artefakt; nemenia všeobecné porozumenie zvuku na záruku diarizácie, časových značiek slov alebo identifikácie nepomenovaného hovoriaceho.
Výrobca opisuje volanie funkcií z hovoreného zámeru. V takomto postupe aplikácia poskytuje definície funkcií, model navrhne relevantné volanie a argumenty a aplikácia ho vykoná a vráti pozorovanie. Hlasová požiadavka preto môže viesť vyhľadanie alebo inú úlohu s pomocou nástrojov, ale navrhované volanie modelu sa líši od vykonanej akcie. Pri pokračovaní konverzácie zachovajte skutočne vrátený výsledok, aby neskoršia odpoveď odrážala to, čo sa stalo, nie to, čo bolo požadované.
Vydaná karta používania odporúča temperature 0.0 na prepis a temperature 0.2 s top_p 0.95 na porozumenie zvuku a chat. Uvádza, že systémové prompty nie sú v tomto postupe podporované, preto úlohu a požiadavky na odpoveď vložte do používateľského vstupu. Jej príklady dekódujú nahrávky na zvukové vstupy a zahŕňajú materiál MP3, ale nestanovujú úplný zoznam kodekov ani samostatnú pevnú maximálnu dĺžku výstupu. Nastavenie generovania s 500 tokenmi v príkladoch zostáva ukážkovým rozpočtom.
Pripravte jasnú nahrávku s materiálom relevantným pre úlohu a určite, či potrebujete pôvodné znenie, preklad, odpoveď alebo súhrn. Karta ukazuje aj dávkovú inferenciu s viacerými konverzáciami, čo je spôsob používania výrobcu oddelený od identity jednotlivého výsledku. Zachovajte edíciu 3B 2507 a jej usmernenia o trvaní prepisu oproti porozumeniu; diarizácia, profil 13 jazykov a podpora dlhších nahrávok neskoršieho modelu Mini Transcribe 2 sú samostatné funkcie výrobcu.
", "aboutText": "Voxtral Mini 1.0 3B 2507 je kompaktný model Mistral AI na porozumenie textu a zvuku postavený na rodine jazykových modelov Ministral 3B. Prijíma nahrávky reči a textové pokyny a vytvára text vrátane prepisov, prekladov, odpovedí o zvuku a štruktúrovaných súhrnov. Pôvodné vydanie Voxtral určuje tento model 3B pre kompaktné alebo lokálne aplikácie popri samostatnom modeli Voxtral Small 24B. Odlišuje sa aj od hostovanej služby Voxtral Mini Transcribe optimalizovanej na prepis.\n\nModel má vyhradený režim prepisu, ktorý predvolene automaticky predikuje zdrojový jazyk a podľa toho prepisuje. Tento režim zvoľte, keď je požadovaným artefaktom hovorené znenie. Porozumenie zvuku naopak umožňuje priamu otázku alebo požiadavku na súhrn nahrávky bez potreby samostatnej fázy rozpoznávania reči nasledovanej textovým modelom. Rozhovor preto môže vytvoriť úplný prepis, preklad alebo odpoveď na úzku otázku; určite potrebný výsledok, aby sa tieto rôzne úlohy nestali jedným nejednoznačným zadaním.\n\nKarta presného vydania uvádza kontext 32K tokenov a zvuk do 30 minút na prepis alebo 40 minút na porozumenie. Ide o odlišné údaje trvania podľa úlohy, nie spoločný zvukový limit pre každú operáciu. Relevantnú nahrávku, pokyny a konverzáciu udržiavajte v zamýšľanom rozsahu úlohy. Pomenované jazyky výrobcu sú angličtina, španielčina, francúzština, portugalčina, hindčina, nemčina, holandčina a taliančina s automatickým rozpoznávaním jazyka. Pri preklade alebo odpovedi odlíšte jazyk nahrávky od požadovaného jazyka výstupu.\n\nPodporovaných je niekoľko zvukových vstupov v správe aj zvuk naprieč viacerými používateľskými kolami. Pri žiadosti o porovnanie priraďte každej nahrávke jasný identifikátor. Vlastný príklad môže porovnať dve hovorené vysvetlenia a vrátiť, ktoré požiadavky sa zmenili, so samostatným stĺpcom pre každý zdroj. Nadväzujúca otázka sa môže pýtať na detail jedného zistenia alebo dodať ďalšiu nahrávku. Karta ukazuje aj čisto textové a čisto zvukové použitie, takže model môže pracovať s písomnou otázkou aj s dôkazmi z reči.\n\nPri súhrne stretnutia dodajte nahrávku a žiadajte užitočnú štruktúru, napríklad témy, uvedené rozhodnutia a nadväzujúce akcie. Neisté mená, dátumy alebo zodpovednosti oddeľte od jasne vyslovených faktov. Pri rozhovore žiadajte tvrdenie odpovedajúce na konkrétnu otázku a dostatok okolitého kontextu na jeho pochopenie. Ide o návrhy úloh pre použiteľný textový artefakt; nemenia všeobecné porozumenie zvuku na záruku diarizácie, časových značiek slov alebo identifikácie nepomenovaného hovoriaceho.\n\nVýrobca opisuje volanie funkcií z hovoreného zámeru. V takomto postupe aplikácia poskytuje definície funkcií, model navrhne relevantné volanie a argumenty a aplikácia ho vykoná a vráti pozorovanie. Hlasová požiadavka preto môže viesť vyhľadanie alebo inú úlohu s pomocou nástrojov, ale navrhované volanie modelu sa líši od vykonanej akcie. Pri pokračovaní konverzácie zachovajte skutočne vrátený výsledok, aby neskoršia odpoveď odrážala to, čo sa stalo, nie to, čo bolo požadované.\n\nVydaná karta používania odporúča temperature 0.0 na prepis a temperature 0.2 s top_p 0.95 na porozumenie zvuku a chat. Uvádza, že systémové prompty nie sú v tomto postupe podporované, preto úlohu a požiadavky na odpoveď vložte do používateľského vstupu. Jej príklady dekódujú nahrávky na zvukové vstupy a zahŕňajú materiál MP3, ale nestanovujú úplný zoznam kodekov ani samostatnú pevnú maximálnu dĺžku výstupu. Nastavenie generovania s 500 tokenmi v príkladoch zostáva ukážkovým rozpočtom.\n\nPripravte jasnú nahrávku s materiálom relevantným pre úlohu a určite, či potrebujete pôvodné znenie, preklad, odpoveď alebo súhrn. Karta ukazuje aj dávkovú inferenciu s viacerými konverzáciami, čo je spôsob používania výrobcu oddelený od identity jednotlivého výsledku. Zachovajte edíciu 3B 2507 a jej usmernenia o trvaní prepisu oproti porozumeniu; diarizácia, profil 13 jazykov a podpora dlhších nahrávok neskoršieho modelu Mini Transcribe 2 sú samostatné funkcie výrobcu.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "88fd079897df34cc999c77662aeb8c502df1f44e652879633aceda0ac3114b24", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sk", "methods": [ { "html": "mistralai/voxtral-mini-3b-2507Voxtral Mini 1.0 3B 2507 spája porozumenie zvuku s kompaktným textovým modelom na prepis, preklad reči, otázky a súhrny. Výrobca dokumentuje kontext 32K, najviac 30 minút prepisu alebo 40 minút porozumenia zvuku a textový výstup.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Voxtral Mini 1.0 3B 2507 je kompaktný model Mistral AI na porozumenie textu a zvuku postavený na rodine jazykových modelov Ministral 3B. Prijíma nahrávky reči a textové pokyny a vytvára text vrátane prepisov, prekladov, odpovedí o zvuku a štruktúrovaných súhrnov. Pôvodné vydanie Voxtral určuje tento model 3B pre kompaktné alebo lokálne aplikácie popri samostatnom modeli Voxtral Small 24B. Odlišuje sa aj od hostovanej služby Voxtral Mini Transcribe optimalizovanej na prepis.
Model má vyhradený režim prepisu, ktorý predvolene automaticky predikuje zdrojový jazyk a podľa toho prepisuje. Tento režim zvoľte, keď je požadovaným artefaktom hovorené znenie. Porozumenie zvuku naopak umožňuje priamu otázku alebo požiadavku na súhrn nahrávky bez potreby samostatnej fázy rozpoznávania reči nasledovanej textovým modelom. Rozhovor preto môže vytvoriť úplný prepis, preklad alebo odpoveď na úzku otázku; určite potrebný výsledok, aby sa tieto rôzne úlohy nestali jedným nejednoznačným zadaním.
Karta presného vydania uvádza kontext 32K tokenov a zvuk do 30 minút na prepis alebo 40 minút na porozumenie. Ide o odlišné údaje trvania podľa úlohy, nie spoločný zvukový limit pre každú operáciu. Relevantnú nahrávku, pokyny a konverzáciu udržiavajte v zamýšľanom rozsahu úlohy. Pomenované jazyky výrobcu sú angličtina, španielčina, francúzština, portugalčina, hindčina, nemčina, holandčina a taliančina s automatickým rozpoznávaním jazyka. Pri preklade alebo odpovedi odlíšte jazyk nahrávky od požadovaného jazyka výstupu.
Podporovaných je niekoľko zvukových vstupov v správe aj zvuk naprieč viacerými používateľskými kolami. Pri žiadosti o porovnanie priraďte každej nahrávke jasný identifikátor. Vlastný príklad môže porovnať dve hovorené vysvetlenia a vrátiť, ktoré požiadavky sa zmenili, so samostatným stĺpcom pre každý zdroj. Nadväzujúca otázka sa môže pýtať na detail jedného zistenia alebo dodať ďalšiu nahrávku. Karta ukazuje aj čisto textové a čisto zvukové použitie, takže model môže pracovať s písomnou otázkou aj s dôkazmi z reči.
Pri súhrne stretnutia dodajte nahrávku a žiadajte užitočnú štruktúru, napríklad témy, uvedené rozhodnutia a nadväzujúce akcie. Neisté mená, dátumy alebo zodpovednosti oddeľte od jasne vyslovených faktov. Pri rozhovore žiadajte tvrdenie odpovedajúce na konkrétnu otázku a dostatok okolitého kontextu na jeho pochopenie. Ide o návrhy úloh pre použiteľný textový artefakt; nemenia všeobecné porozumenie zvuku na záruku diarizácie, časových značiek slov alebo identifikácie nepomenovaného hovoriaceho.
Výrobca opisuje volanie funkcií z hovoreného zámeru. V takomto postupe aplikácia poskytuje definície funkcií, model navrhne relevantné volanie a argumenty a aplikácia ho vykoná a vráti pozorovanie. Hlasová požiadavka preto môže viesť vyhľadanie alebo inú úlohu s pomocou nástrojov, ale navrhované volanie modelu sa líši od vykonanej akcie. Pri pokračovaní konverzácie zachovajte skutočne vrátený výsledok, aby neskoršia odpoveď odrážala to, čo sa stalo, nie to, čo bolo požadované.
Vydaná karta používania odporúča temperature 0.0 na prepis a temperature 0.2 s top_p 0.95 na porozumenie zvuku a chat. Uvádza, že systémové prompty nie sú v tomto postupe podporované, preto úlohu a požiadavky na odpoveď vložte do používateľského vstupu. Jej príklady dekódujú nahrávky na zvukové vstupy a zahŕňajú materiál MP3, ale nestanovujú úplný zoznam kodekov ani samostatnú pevnú maximálnu dĺžku výstupu. Nastavenie generovania s 500 tokenmi v príkladoch zostáva ukážkovým rozpočtom.
Pripravte jasnú nahrávku s materiálom relevantným pre úlohu a určite, či potrebujete pôvodné znenie, preklad, odpoveď alebo súhrn. Karta ukazuje aj dávkovú inferenciu s viacerými konverzáciami, čo je spôsob používania výrobcu oddelený od identity jednotlivého výsledku. Zachovajte edíciu 3B 2507 a jej usmernenia o trvaní prepisu oproti porozumeniu; diarizácia, profil 13 jazykov a podpora dlhších nahrávok neskoršieho modelu Mini Transcribe 2 sú samostatné funkcie výrobcu.
POST /v1/audio/transcriptionsaudiotext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity mistralai/voxtral-mini-3b-2507 | Predvolené— |
Poleinput_audio | Typobject | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polelanguage | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletemperature | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 0 Maximum: 1 | Predvolené— |
Poleresponse_format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity json, verbose_json | Predvolenéjson |
Poletimestamp_granularities | Typarray | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poleprovider | Typobject | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, input_audio |
Parametermaterial_types | Špecifikáciaaudio |
Parametermaterial_conditions | ŠpecifikáciaNačítajte skutočný súbor WAV a zakódujte jeho reálne bajty pre deklarovaný vstup JSON input_audio; pre túto presnú deklaráciu iba s JSON sa neuvádza žiadna trasa multipart. |
Životný cyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · skutočne vrátené task_id alebo záznam v knižnici médií
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Zobrazené sadzby slúžia na odhad nákladov pred generovaním. Konečný poplatok sa vypočíta z nákladov zaznamenaných pri pôvodnom generovaní. Namerané trvanie výstupu a predpokladané množstvá nepredstavujú konečné účtované množstvo.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.
| Konfigurácia | Sadzobník | Odhadované množstvo | Účtovacia jednotka | Poplatok |
|---|---|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Odhadované množstvo— | Účtovacia jednotka— | Poplatok Vstup · Vstupné tokeny · Odhad iba na porovnanie — / 1K tokenov Výstup · Výstupné tokeny · Odhad iba na porovnanie — / 1K tokenov Vstup · Čítanie cache · Odhad iba na porovnanie — / 1K tokenov Vstup · Zápis do cache · Odhad iba na porovnanie — / 1K tokenov Vstup · Zápis do cache, 1 hod · Odhad iba na porovnanie — / 1K tokenov |
| Konfiguráciasekunda vstupného zvuku | Sadzobník— | Odhadované množstvo— | Účtovacia jednotkaza sekundu vstupného audia | Poplatok Vstup · sekunda vstupného zvuku · Odhad iba na porovnanie $0.0000333334 za sekundu vstupného audia |
| KonfiguráciaOdhadované náklady na generovanie | Sadzobník— | Odhadované množstvoodhad pre jedno generovanie | Účtovacia jednotka— | Poplatok Výstup · Odhadované náklady na generovanie · Odhad iba na porovnanie $0.0000333334 odhad pred generovaním Tento odhad nepredstavuje dodatočný poplatok ani pevnú sadzbu za dokončené generovanie. |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'mistralai/voxtral-mini-3b-2507', 'input_audio': {'data': '${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\nGET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${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.\nUložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Uchovajte úplnú odpoveď a hlavičky, všetky skutočné výstupy, pôvodné vrátené identifikátory a všetky polia s údajmi o spotrebe. Obnovte pôvodnú operáciu bez opätovného odoslania požiadavky na vytvorenie.
Uchovajte vrátené X-Client-Request-ID na zosúladenie záznamov. Čítajte iba skutočne vrátené hodnoty task_id/asset_id alebo vlastnú knižnicu médií; nikdy nevytvárajte URL úlohy z ID operácie a nikdy znova neodosielajte požiadavku na vytvorenie.
| Pole | Typ |
|---|---|
Poletext | Typ |
Poleusage | Typ |
Polesegments[] | Typ |
Polewords[] | Typ |
Polespeaker fields | Typ |
Poletimestamps | Typ |
Ailoot Ultra mistralai/voxtral-mini-3b-2507
Použite cesty metód uvedené vyššie.