Mistral: Voxtral Small 24B 2507 STT
Voxtral Small 1.0 24B 2507 je model za besedilo in zvok, namenjen prepisovanju, prevajanju govora, vprašanjem in povzetkom. Proizvajalec dokumentira kontekst 32k, do 30 minut za prepisovanje ali 40 minut za razumevanje, več zvočnih vhodov in besedilne rezultate.
O modelu
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Voxtral Small 1.0 24B 2507 jezikovni osnovi Mistral Small dodaja zvočni vhod in razumevanje govora. Sprejema zvok in besedilo ter vrača besedilo, vključno s prepisom, odgovorom o posnetku, prevodom ali strukturiranim povzetkom. To je poimenovana različica s 24 milijardami parametrov za razumevanje govora, ločena od Voxtral Mini, različic storitve, optimiziranih za prepisovanje, in poznejših izdaj Voxtral za ustvarjanje govora ali delo v realnem času.
Prepisovanje in razumevanje zvoka
Model ima namenski način izključno za prepisovanje. Proizvajalec navaja, da privzeto samodejno predvidi jezik izvornega zvoka in ustrezno prepiše govor. Ta način uporabite, kadar je želeni izdelek samo izgovorjeno besedilo, ne razlaga ali povzetek. Določite, ali naj rezultat ohrani izvirni jezik ali mu sledi posebej zahtevani prevod.
Razumevanje zvoka omogoča neposredno vprašanje o posnetku brez predhodnega veriženja ločenega modela za prepoznavanje govora in besedilnega modela. Zahteva lahko vpraša, o kateri temi se je razpravljalo, katera odločitev je bila izrečena ali kateri podatki v posnetku odgovarjajo na konkretno vprašanje. Rezultat je lahko jedrnat odgovor ali urejen povzetek, ne celoten prepis vsake izgovorjene besede.
Za povzetek sestanka podajte posnetek in opredelite polja za vrnitev: teme, izrecno navedene odločitve in nadaljnja dejanja. Imena ali datume zahtevajte le, kadar so v posnetku dejansko izrečeni, nerešene podrobnosti pa ločite od odločitev. Pri intervjuju zahtevajte odgovor na konkretno vprašanje in okoliški kontekst, ki ga naredi razumljivega. Takšne zasnove izhoda povezujejo zvočno nalogo z dokumentom, ki ga lahko nekdo pozneje uporabi.
Kontekst, trajanje in jeziki
Proizvajalec dokumentira kontekst 32k žetonov in zvok do 30 minut za prepisovanje oziroma 40 minut za razumevanje. Obe trajanji imata različna obsega nalog. Pred izbiro posnetka izberite želeno operacijo ter pri načrtovanju razpoložljivega konteksta vključite besedilno navodilo in pogovor. Dolg posnetek in dolg pisni odgovor oba porabljata vire; navedeno trajanje ni ločena obljuba neomejene dolžine odgovora.
Izdaja med glavnimi podprtimi jeziki navaja angleščino, španščino, francoščino, portugalščino, hindijščino, nemščino, nizozemščino in italijanščino ter zagotavlja samodejno zaznavanje jezika. Pri prevajanju govora določite končni jezik in izraze, ki naj ohranijo izvirno obliko. Pri vprašanju o zvoku v enem jeziku razlikujte jezik posnetka od jezika, v katerem naj bo odgovor napisan.
Več posnetkov in nadaljnja vprašanja
Kartica podpira več zvočnih vhodov v sporočilu in zvok v več uporabniških izmenjavah. Vsakemu posnetku dodelite identifikator in pri primerjavi navedite njegovo vlogo. Praktična zahteva lahko primerja dve različici govorjene razlage, vpraša, kateri pogoji so se spremenili, in vrne tabelo z ločenim stolpcem za vsak posnetek. Identifikatorji pomagajo ohranjati ugotovitve modela povezane s pravim virom.
Nadaljnje vprašanje lahko ohrani prejšnje vprašanje in odgovor ter zahteva ožjo podrobnost ali poda drug posnetek. Najprej lahko na primer zahtevate odločitve iz razprave, nato pa vprašate, katera odločitev se nanaša na konkretno zahtevo. Ista izdaja prikazuje tudi izključno besedilne in izključno zvočne zahteve. Njena besedilna osnova lahko obdela pisno vprašanje ali rezultat, zvočna zmogljivost pa poda dokaze iz govora.
Glasovno vodene funkcije
Proizvajalec opisuje klicanje funkcij iz govorno izražene namere in primer klicanja funkcij v objavljeni kartici označuje kot eksperimentalno podporo. V tem postopku aplikacija opredeli funkcijo in njene argumente, model iz zahteve pripravi klic, aplikacija pa ga izvede in poda rezultat. Glasovna poizvedba zato lahko vrne pisni odgovor s podatki povezanega orodja. Klicanje funkcij ne pomeni, da model samodejno obvladuje zunanjo storitev ali opravi dejanje zgolj s tem, da ga poimenuje.
Namen funkcije in zahtevani podatki naj bodo izrecni. Če posnetek zahteva operacijo, a izpusti zahtevano vrednost, jo aplikacija še vedno potrebuje za izvedbo funkcije. Govorno zahtevo, predlagane argumente in vrnjeni rezultat ločite, da se naslednji odgovor lahko nanaša na dejanski izid operacije.
Priporočene nastavitve in uporabne meje
Za razumevanje zvoka in dopolnitev klepeta kartica priporoča temperaturo 0.2 in top-p 0.95. Za prepisovanje priporoča temperaturo 0.0. Izrecno navaja, da sistemski pozivi v tem objavljenem postopku uporabe niso podprti, zato nalogo in zahteve odgovora postavite v uporabniški vhod, namesto da prenesete konvencijo sistemskega poziva iz drugega modela Mistral.
Izberite posnetek z gradivom, pomembnim za vprašanje, poskrbite za jasen slišen govor in določite, ali naj bo rezultat prepis, prevod, odgovor ali povzetek. Dokumentirani izhod je besedilo. Govorni odgovor potrebuje komponento za pretvorbo besedila v govor, prepoznavanja govorcev, podrobnega razločevanja govorcev ali časovnih oznak na ravni besed pa za to konkretno izdajo ne sklepajte iz splošne trditve o razumevanju zvoka.
Primeri ustvarjanja s 500 žetoni v kartici so primeri nastavitev, ne ločeno navedena največja izhodna zmogljivost. Pri pripravi ponovljivega postopka ohranite različico 2507, smernice trajanja glede na nalogo in vhodni jezik. Uporaben končni izdelek je zahtevano besedilo, povezano s posnetkom in oblikovano za naslednji dokumentni ali aplikacijski korak.
Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions mistralai/voxtral-small-24b-2507-stt
mistralai/voxtral-small-24b-2507-stt
mistralai/voxtral-small-24b-2507-sttZačetek
Voxtral Small 1.0 24B 2507 je model za besedilo in zvok, namenjen prepisovanju, prevajanju govora, vprašanjem in povzetkom. Proizvajalec dokumentira kontekst 32k, do 30 minut za prepisovanje ali 40 minut za razumevanje, več zvočnih vhodov in besedilne rezultate.
- Dovoljeni vhodi
- Zvok
- Rezultati
- Besedilo
Na voljo v Ailoot · vhodi in metode
Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions
- Vhod
audio- Izhod
text
| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve mistralai/voxtral-small-24b-2507-stt | 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— |
Parametri in življenjski cikel metode
| 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}
Cenik
Kako se izračuna končni strošek
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.
- Hitri način
- Ni navedeno Ko je izbran hitri način
- Način flex
- Ni navedeno Ko je izbran način flex
- Najvišja raven razmišljanja
- Ni navedeno Ko najvišja raven razmišljanja uporablja privzeto prilagoditev (default)
Ocenjene cene za primerjavo
Cene po nastavitvah
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 $0.0001 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 $0.0001 ocena pred ustvarjanjem Ta ocena ni dodatno plačilo ali fiksna cena za dokončano generiranje. |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
Primeri zahtev
Ailoot Ultra · Prepisovanje
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'mistralai/voxtral-small-24b-2507-stt', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}
request['input_audio']['data']=base64.b64encode(audio).decode('ascii')
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Prejmi in shrani rezultate
Ailoot Ultra · Prepisovanje
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Branje druge vsebine
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
-H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.
Ohrani vse dokončane rezultate
Shranite 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.
Če je treba preveriti izvirni odgovor
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.
Polja odgovora
| Polje | Vrsta |
|---|---|
Poljetext | Vrsta |
Poljeusage | Vrsta |
Poljesegments[] | Vrsta |
Poljewords[] | Vrsta |
Poljespeaker fields | Vrsta |
Poljetimestamps | Vrsta |
Druga imena
Druga imena modelov
Ailoot Ultra mistralai/voxtral-small-24b-2507-stt
Druga imena poti metod
Uporabite zgoraj navedene poti metod.
Povezani ID-ji za klic
FAQ · Mistral: Voxtral Small 24B 2507 STT
- Kateri vhodi in rezultati so na voljo?
POST /v1/audio/transcriptions·mistralai/voxtral-small-24b-2507-stt:audio→text- Katera polja uporablja zahteva?
POST /v1/audio/transcriptions·mistralai/voxtral-small-24b-2507-stt:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Katere omejitve veljajo?
POST /v1/audio/transcriptions·mistralai/voxtral-small-24b-2507-stt:temperature.minimum:0;temperature.maximum:1