Voxtral Mini 1.0 3B 2507 je kompaktni model podjetja Mistral AI za razumevanje besedila in zvoka, zgrajen na družini jezikovnih modelov Ministral 3B. Sprejema govorne posnetke in besedilna navodila ter ustvarja besedilo, vključno s prepisi, prevodi, odgovori o zvoku in strukturiranimi povzetki. Izvirna izdaja Voxtral ta model s 3 milijardami parametrov namenja kompaktnim ali lokalnim aplikacijam, ob ločenem modelu Voxtral Small s 24 milijardami parametrov. Ločen je tudi od gostovane storitve Voxtral Mini Transcribe, optimizirane za prepisovanje.
Model ima namenski način prepisovanja, ki privzeto samodejno predvidi izvorni jezik in ustrezno prepiše govor. Ta način izberite, kadar je zahtevani izdelek izgovorjeno besedilo. Razumevanje zvoka pa dovoljuje neposredno vprašanje ali zahtevo za povzetek posnetka brez ločene stopnje prepoznavanja govora, ki ji sledi besedilni model. Intervju lahko zato ustvari celoten prepis, prevod ali odgovor na ozko vprašanje; določite potrebni rezultat, da te različne naloge ne postanejo en dvoumen opis.
Kartica konkretne izdaje navaja kontekst 32K žetonov in zvok do 30 minut za prepisovanje ali 40 minut za razumevanje. To sta različni navedbi trajanja glede na nalogo, ne skupna dovoljena količina zvoka za vsako operacijo. Ustrezni posnetek, navodila in pogovor ohranite znotraj predvidenega obsega naloge. Proizvajalčevi navedeni jeziki so angleščina, španščina, francoščina, portugalščina, hindijščina, nemščina, nizozemščina in italijanščina, s samodejnim zaznavanjem jezika. Pri prevodu ali odgovoru razlikujte jezik posnetka od zahtevanega jezika izhoda.
Podprtih je več zvočnih vhodov v sporočilu in zvok skozi več uporabniških izmenjav. Pri primerjavah vsakemu posnetku dodelite jasen identifikator. Izvirni primer lahko primerja dve govorjeni razlagi in vrne spremembe zahtev z ločenim stolpcem za vsak vir. Nadaljnje vprašanje lahko zahteva podrobnost za eno ugotovitev ali poda drug posnetek. Kartica prikazuje tudi izključno besedilno in izključno zvočno uporabo, zato lahko model obdeluje pisno vprašanje in govorne dokaze.
Za povzetek sestanka podajte posnetek in zahtevajte uporabno strukturo, denimo teme, navedene odločitve in nadaljnja dejanja. Negotova imena, datume ali odgovornosti ohranite ločene od jasno izgovorjenih dejstev. Pri intervjuju zahtevajte izjavo, ki odgovori na konkretno vprašanje, in dovolj okoliškega konteksta za razumevanje. To so zasnove nalog za uporaben besedilni izdelek; splošnega razumevanja zvoka ne spreminjajo v jamstvo razločevanja govorcev, časovnih oznak besed ali prepoznavanja neimenovanega govorca.
Proizvajalec opisuje klicanje funkcij iz govorno izražene namere. Pri takem postopku aplikacija poda definicije funkcij, model predlaga ustrezen klic in argumente, aplikacija pa ga izvede in vrne opažanje. Glasovna zahteva lahko zato usmerja poizvedbo ali drugo nalogo z orodji, vendar se predlagani klic modela razlikuje od izvedenega dejanja. Pri nadaljevanju pogovora ohranite dejansko vrnjeni rezultat, da poznejši odgovor odraža, kaj se je zgodilo, ne kaj je bilo zahtevano.
Objavljena kartica uporabe priporoča temperaturo 0.0 za prepisovanje ter temperaturo 0.2 s top_p 0.95 za razumevanje zvoka in klepet. Navaja, da sistemski pozivi v tem postopku niso podprti, zato nalogo in zahteve odgovora postavite v uporabniški vhod. Primeri dekodirajo posnetke v zvočne vhode in vključujejo gradivo MP3, vendar ne določajo izčrpnega seznama kodekov ali ločene stroge največje dolžine izhoda. Nastavitev ustvarjanja s 500 žetoni v primerih ostaja primer proračuna.
Pripravite jasen posnetek z gradivom, pomembnim za nalogo, in določite, ali potrebujete izvirno besedilo, prevod, odgovor ali povzetek. Kartica prikazuje tudi paketno sklepanje z več pogovori, kar je proizvajalčev vzorec uporabe, ločen od identitete posameznega rezultata. Ohranite različico 3B 2507 in njene smernice trajanja za prepisovanje oziroma razumevanje; razločevanje govorcev, nabor 13 jezikov in podpora daljšim posnetkom poznejšega modela Mini Transcribe 2 so ločene proizvajalčeve funkcije.
", "aboutText": "Voxtral Mini 1.0 3B 2507 je kompaktni model podjetja Mistral AI za razumevanje besedila in zvoka, zgrajen na družini jezikovnih modelov Ministral 3B. Sprejema govorne posnetke in besedilna navodila ter ustvarja besedilo, vključno s prepisi, prevodi, odgovori o zvoku in strukturiranimi povzetki. Izvirna izdaja Voxtral ta model s 3 milijardami parametrov namenja kompaktnim ali lokalnim aplikacijam, ob ločenem modelu Voxtral Small s 24 milijardami parametrov. Ločen je tudi od gostovane storitve Voxtral Mini Transcribe, optimizirane za prepisovanje.\n\nModel ima namenski način prepisovanja, ki privzeto samodejno predvidi izvorni jezik in ustrezno prepiše govor. Ta način izberite, kadar je zahtevani izdelek izgovorjeno besedilo. Razumevanje zvoka pa dovoljuje neposredno vprašanje ali zahtevo za povzetek posnetka brez ločene stopnje prepoznavanja govora, ki ji sledi besedilni model. Intervju lahko zato ustvari celoten prepis, prevod ali odgovor na ozko vprašanje; določite potrebni rezultat, da te različne naloge ne postanejo en dvoumen opis.\n\nKartica konkretne izdaje navaja kontekst 32K žetonov in zvok do 30 minut za prepisovanje ali 40 minut za razumevanje. To sta različni navedbi trajanja glede na nalogo, ne skupna dovoljena količina zvoka za vsako operacijo. Ustrezni posnetek, navodila in pogovor ohranite znotraj predvidenega obsega naloge. Proizvajalčevi navedeni jeziki so angleščina, španščina, francoščina, portugalščina, hindijščina, nemščina, nizozemščina in italijanščina, s samodejnim zaznavanjem jezika. Pri prevodu ali odgovoru razlikujte jezik posnetka od zahtevanega jezika izhoda.\n\nPodprtih je več zvočnih vhodov v sporočilu in zvok skozi več uporabniških izmenjav. Pri primerjavah vsakemu posnetku dodelite jasen identifikator. Izvirni primer lahko primerja dve govorjeni razlagi in vrne spremembe zahtev z ločenim stolpcem za vsak vir. Nadaljnje vprašanje lahko zahteva podrobnost za eno ugotovitev ali poda drug posnetek. Kartica prikazuje tudi izključno besedilno in izključno zvočno uporabo, zato lahko model obdeluje pisno vprašanje in govorne dokaze.\n\nZa povzetek sestanka podajte posnetek in zahtevajte uporabno strukturo, denimo teme, navedene odločitve in nadaljnja dejanja. Negotova imena, datume ali odgovornosti ohranite ločene od jasno izgovorjenih dejstev. Pri intervjuju zahtevajte izjavo, ki odgovori na konkretno vprašanje, in dovolj okoliškega konteksta za razumevanje. To so zasnove nalog za uporaben besedilni izdelek; splošnega razumevanja zvoka ne spreminjajo v jamstvo razločevanja govorcev, časovnih oznak besed ali prepoznavanja neimenovanega govorca.\n\nProizvajalec opisuje klicanje funkcij iz govorno izražene namere. Pri takem postopku aplikacija poda definicije funkcij, model predlaga ustrezen klic in argumente, aplikacija pa ga izvede in vrne opažanje. Glasovna zahteva lahko zato usmerja poizvedbo ali drugo nalogo z orodji, vendar se predlagani klic modela razlikuje od izvedenega dejanja. Pri nadaljevanju pogovora ohranite dejansko vrnjeni rezultat, da poznejši odgovor odraža, kaj se je zgodilo, ne kaj je bilo zahtevano.\n\nObjavljena kartica uporabe priporoča temperaturo 0.0 za prepisovanje ter temperaturo 0.2 s top_p 0.95 za razumevanje zvoka in klepet. Navaja, da sistemski pozivi v tem postopku niso podprti, zato nalogo in zahteve odgovora postavite v uporabniški vhod. Primeri dekodirajo posnetke v zvočne vhode in vključujejo gradivo MP3, vendar ne določajo izčrpnega seznama kodekov ali ločene stroge največje dolžine izhoda. Nastavitev ustvarjanja s 500 žetoni v primerih ostaja primer proračuna.\n\nPripravite jasen posnetek z gradivom, pomembnim za nalogo, in določite, ali potrebujete izvirno besedilo, prevod, odgovor ali povzetek. Kartica prikazuje tudi paketno sklepanje z več pogovori, kar je proizvajalčev vzorec uporabe, ločen od identitete posameznega rezultata. Ohranite različico 3B 2507 in njene smernice trajanja za prepisovanje oziroma razumevanje; razločevanje govorcev, nabor 13 jezikov in podpora daljšim posnetkom poznejšega modela Mini Transcribe 2 so ločene proizvajalčeve funkcije.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c3c627f42095389bced2a1075b02b2cd54b18b52cd6b89431e129a91d39eb56b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sl", "methods": [ { "html": "mistralai/voxtral-mini-3b-2507Voxtral Mini 1.0 3B 2507 združuje razumevanje zvoka s kompaktnim besedilnim modelom za prepisovanje, prevajanje govora, vprašanja in povzetke. Proizvajalec dokumentira kontekst 32K, do 30 minut prepisovanja ali 40 minut razumevanja zvoka in besedilni izhod.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Voxtral Mini 1.0 3B 2507 je kompaktni model podjetja Mistral AI za razumevanje besedila in zvoka, zgrajen na družini jezikovnih modelov Ministral 3B. Sprejema govorne posnetke in besedilna navodila ter ustvarja besedilo, vključno s prepisi, prevodi, odgovori o zvoku in strukturiranimi povzetki. Izvirna izdaja Voxtral ta model s 3 milijardami parametrov namenja kompaktnim ali lokalnim aplikacijam, ob ločenem modelu Voxtral Small s 24 milijardami parametrov. Ločen je tudi od gostovane storitve Voxtral Mini Transcribe, optimizirane za prepisovanje.
Model ima namenski način prepisovanja, ki privzeto samodejno predvidi izvorni jezik in ustrezno prepiše govor. Ta način izberite, kadar je zahtevani izdelek izgovorjeno besedilo. Razumevanje zvoka pa dovoljuje neposredno vprašanje ali zahtevo za povzetek posnetka brez ločene stopnje prepoznavanja govora, ki ji sledi besedilni model. Intervju lahko zato ustvari celoten prepis, prevod ali odgovor na ozko vprašanje; določite potrebni rezultat, da te različne naloge ne postanejo en dvoumen opis.
Kartica konkretne izdaje navaja kontekst 32K žetonov in zvok do 30 minut za prepisovanje ali 40 minut za razumevanje. To sta različni navedbi trajanja glede na nalogo, ne skupna dovoljena količina zvoka za vsako operacijo. Ustrezni posnetek, navodila in pogovor ohranite znotraj predvidenega obsega naloge. Proizvajalčevi navedeni jeziki so angleščina, španščina, francoščina, portugalščina, hindijščina, nemščina, nizozemščina in italijanščina, s samodejnim zaznavanjem jezika. Pri prevodu ali odgovoru razlikujte jezik posnetka od zahtevanega jezika izhoda.
Podprtih je več zvočnih vhodov v sporočilu in zvok skozi več uporabniških izmenjav. Pri primerjavah vsakemu posnetku dodelite jasen identifikator. Izvirni primer lahko primerja dve govorjeni razlagi in vrne spremembe zahtev z ločenim stolpcem za vsak vir. Nadaljnje vprašanje lahko zahteva podrobnost za eno ugotovitev ali poda drug posnetek. Kartica prikazuje tudi izključno besedilno in izključno zvočno uporabo, zato lahko model obdeluje pisno vprašanje in govorne dokaze.
Za povzetek sestanka podajte posnetek in zahtevajte uporabno strukturo, denimo teme, navedene odločitve in nadaljnja dejanja. Negotova imena, datume ali odgovornosti ohranite ločene od jasno izgovorjenih dejstev. Pri intervjuju zahtevajte izjavo, ki odgovori na konkretno vprašanje, in dovolj okoliškega konteksta za razumevanje. To so zasnove nalog za uporaben besedilni izdelek; splošnega razumevanja zvoka ne spreminjajo v jamstvo razločevanja govorcev, časovnih oznak besed ali prepoznavanja neimenovanega govorca.
Proizvajalec opisuje klicanje funkcij iz govorno izražene namere. Pri takem postopku aplikacija poda definicije funkcij, model predlaga ustrezen klic in argumente, aplikacija pa ga izvede in vrne opažanje. Glasovna zahteva lahko zato usmerja poizvedbo ali drugo nalogo z orodji, vendar se predlagani klic modela razlikuje od izvedenega dejanja. Pri nadaljevanju pogovora ohranite dejansko vrnjeni rezultat, da poznejši odgovor odraža, kaj se je zgodilo, ne kaj je bilo zahtevano.
Objavljena kartica uporabe priporoča temperaturo 0.0 za prepisovanje ter temperaturo 0.2 s top_p 0.95 za razumevanje zvoka in klepet. Navaja, da sistemski pozivi v tem postopku niso podprti, zato nalogo in zahteve odgovora postavite v uporabniški vhod. Primeri dekodirajo posnetke v zvočne vhode in vključujejo gradivo MP3, vendar ne določajo izčrpnega seznama kodekov ali ločene stroge največje dolžine izhoda. Nastavitev ustvarjanja s 500 žetoni v primerih ostaja primer proračuna.
Pripravite jasen posnetek z gradivom, pomembnim za nalogo, in določite, ali potrebujete izvirno besedilo, prevod, odgovor ali povzetek. Kartica prikazuje tudi paketno sklepanje z več pogovori, kar je proizvajalčev vzorec uporabe, ločen od identitete posameznega rezultata. Ohranite različico 3B 2507 in njene smernice trajanja za prepisovanje oziroma razumevanje; razločevanje govorcev, nabor 13 jezikov in podpora daljšim posnetkom poznejšega modela Mini Transcribe 2 so ločene proizvajalčeve funkcije.
POST /v1/audio/transcriptionsaudiotext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve mistralai/voxtral-mini-3b-2507 | Privzeto— |
Poljeinput_audio | Vrstaobject | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljelanguage | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetemperature | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 0 Največ: 1 | Privzeto— |
Poljeresponse_format | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve json, verbose_json | Privzetojson |
Poljetimestamp_granularities | Vrstaarray | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, input_audio |
Parametermaterial_types | Specifikacijaaudio |
Parametermaterial_conditions | SpecifikacijaPreberite dejansko datoteko WAV in kodirajte njene resnične bajte za deklarirani JSON input_audio; za to natančno deklaracijo samo z JSON ni navedena pot multipart. |
Življenjski cikel: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Dejansko vrnjeni task_id ali zapis v medijski knjižnici
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Prikazane cene so namenjene oceni stroškov pred generiranjem. Končni znesek se izračuna na podlagi stroška, zabeleženega za izvirno generiranje. Izmerjeno trajanje izhoda in napovedane količine niso končna obračunska količina.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Predvidena količina | Obračunska enota | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene žetonov | Cenovna lestvicaOsnovna cena | Predvidena količina— | Obračunska enota— | Strošek Vhod · Vhodni žetoni · Ocena samo za primerjavo — / 1K žetonov Izhod · Izhodni žetoni · Ocena samo za primerjavo — / 1K žetonov Vhod · Branje predpomnilnika · Ocena samo za primerjavo — / 1K žetonov Vhod · Zapis v predpomnilnik · Ocena samo za primerjavo — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura · Ocena samo za primerjavo — / 1K žetonov |
| Nastavitevsekunda vhodnega zvoka | Cenovna lestvica— | Predvidena količina— | Obračunska enotana sekundo vhodnega zvoka | Strošek Vhod · sekunda vhodnega zvoka · Ocena samo za primerjavo $0.0000333334 na sekundo vhodnega zvoka |
| NastavitevOcenjeni strošek ustvarjanja | Cenovna lestvica— | Predvidena količinaocena za eno generiranje | Obračunska enota— | Strošek Izhod · Ocenjeni stroški ustvarjanja · Ocena samo za primerjavo $0.0000333334 ocena pred ustvarjanjem Ta ocena ni dodatno plačilo ali fiksna cena za dokončano generiranje. |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${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.\nShranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Shranite celoten odgovor in glave, vse dejanske izhode, izvirne vrnjene identifikatorje in vsa polja s podatki o porabi. Pridobite podatke izvirne operacije brez ponovnega pošiljanja zahteve za ustvarjanje.
Shranite vrnjeni X-Client-Request-ID za uskladitev evidenc. Berite samo dejansko vrnjene vrednosti task_id/asset_id ali svojo medijsko knjižnico; iz ID operacije nikoli ne sestavite URL opravila in zahteve za ustvarjanje nikoli ne pošljite znova.
| Polje | Vrsta |
|---|---|
Poljetext | Vrsta |
Poljeusage | Vrsta |
Poljesegments[] | Vrsta |
Poljewords[] | Vrsta |
Poljespeaker fields | Vrsta |
Poljetimestamps | Vrsta |
Ailoot Ultra mistralai/voxtral-mini-3b-2507
Uporabite zgoraj navedene poti metod.