Mistral: Voxtral Mini 3B 2507
Voxtral Mini 1.0 3B 2507 transkripsiya, nutq tarjimasi, savollar va xulosalar uchun audioni tushunishni ixcham matn modeli bilan birlashtiradi. Ishlab chiqaruvchi 32K kontekst, 30 daqiqagacha transkripsiya yoki 40 daqiqagacha audioni tushunish hamda matn chiqishini hujjatlashtiradi.
Model haqida
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Voxtral Mini 1.0 3B 2507 — Mistral AI kompaniyasining Ministral 3B til modeli oilasi asosida qurilgan ixcham matn va audioni tushunish modeli. U nutq yozuvlari va matnli ko‘rsatmalarni qabul qilib, transkriptlar, tarjimalar, audio haqidagi javoblar va tuzilmali xulosalarni o‘z ichiga olgan matn yaratadi. Dastlabki Voxtral relizi ushbu 3B modelni alohida 24B Voxtral Small modeli bilan bir qatorda ixcham yoki mahalliy ilovalar uchun tavsiya qiladi. U joylashtirilgan, transkripsiyaga optimallashtirilgan Voxtral Mini Transcribe xizmatidan ham alohida.
Modelda standart holatda manba tilini avtomatik aniqlab, shunga mos ko‘chirib yozadigan maxsus transkripsiya rejimi bor. Kerakli material aynan aytilgan so‘zlar bo‘lsa, shu rejimni tanlang. Audioni tushunish esa alohida nutqni tanish bosqichi va undan keyin matn modelini talab qilmasdan yozuv haqida bevosita savol yoki xulosa so‘roviga ruxsat beradi. Demak, intervyudan to‘liq transkript, tarjima yoki tor savolga javob olish mumkin; ushbu turli vazifalar bitta noaniq topshiriqqa aylanmasligi uchun qaysi natija kerakligini belgilang.
Aynan shu reliz kartasida 32K tokenli kontekst va transkripsiya uchun 30 daqiqagacha yoki tushunish uchun 40 daqiqagacha audio ko‘rsatilgan. Bular har bir amal uchun umumiy audio limiti emas, vazifaga xos turli davomiylik bayonotlaridir. Tegishli yozuv, ko‘rsatmalar va suhbatni ko‘zlangan vazifa doirasida saqlang. Ishlab chiqaruvchi nomlagan tillar ingliz, ispan, fransuz, portugal, hind, nemis, niderland va italyan bo‘lib, til avtomatik aniqlanadi. Tarjima yoki javob uchun yozuv tilini zarur natija tilidan farqlang.
Bitta xabarda bir nechta audio kirishi va bir nechta foydalanuvchi navbatida audio qo‘llanadi. Taqqoslash so‘ralganda har bir yozuvga aniq identifikator bering. Mualliflik misoli ikki og‘zaki tushuntirishni taqqoslab, har bir manba uchun alohida ustun bilan qaysi talablar o‘zgarganini qaytarishi mumkin. Keyingi savol bitta topilma ortidagi tafsilotni so‘rashi yoki yana bir yozuv berishi mumkin. Karta faqat matnli va faqat audioli foydalanishni ham namoyish etadi; bu modelga nutq dalillari bilan birga yozma savol ustida ham ishlashga imkon beradi.
Yig‘ilish xulosasi uchun yozuvni bering va mavzular, aytilgan qarorlar hamda keyingi harakatlar kabi foydali tuzilmani so‘rang. Noaniq nomlar, sanalar yoki mas’uliyatlarni aniq aytilgan faktlardan alohida saqlang. Intervyu uchun muayyan savolga javob beradigan bayonot va uni tushunarli qilishga yetarli atrofdagi kontekstni so‘rang. Bular foydalanish mumkin bo‘lgan matn materiali uchun vazifa tuzilmalaridir; ular umumiy audioni tushunishni diarizatsiya, so‘z vaqtlari yoki nomi aytilmagan so‘zlovchini aniqlash kafolatiga aylantirmaydi.
Ishlab chiqaruvchi og‘zaki niyatdan funksiya chaqirishni ta’riflaydi. Bunday jarayonda ilova funksiya ta’riflarini beradi, model tegishli chaqiruv va argumentlarni taklif qiladi, ilova esa uni bajarib kuzatuvni qaytaradi. Demak, ovozli so‘rov qidiruv yoki boshqa vositalar yordamidagi vazifaga yo‘l ko‘rsatishi mumkin, ammo model taklif etgan chaqiruv bajarilgan harakatdan farq qiladi. Suhbat davom etganda keyingi javob so‘ralgan narsani emas, sodir bo‘lgan narsani aks ettirishi uchun haqiqiy qaytgan natijani saqlang.
Chiqarilgan foydalanish kartasi transkripsiya uchun temperature 0.0, audioni tushunish va suhbat uchun esa temperature 0.2 hamda top_p 0.95 ni tavsiya qiladi. Unda ushbu jarayonda tizim promptlari qo‘llanmasligi aytilgan; shuning uchun vazifa va javob talablarini foydalanuvchi kirishiga joylashtiring. Misollar yozuvlarni audio kirishlariga dekodlaydi va MP3 materialini o‘z ichiga oladi, ammo ular to‘liq kodeklar ro‘yxati yoki alohida qat’iy maksimal chiqish uzunligini belgilamaydi. Misollardagi 500 tokenli yaratish sozlamasi namunaviy budjet bo‘lib qoladi.
Vazifaga tegishli material mavjud aniq yozuvni tayyorlang va asl so‘zlar, tarjima, javob yoki xulosa kerakligini belgilang. Karta bir nechta suhbat bilan paketli chiqarishni ham namoyish etadi; bu alohida natijaning identifikatoridan farqli ishlab chiqaruvchi foydalanish usulidir. 3B 2507 nashri va uning transkripsiya bilan tushunish o‘rtasidagi davomiylik yo‘riqnomasini saqlang; keyingi Mini Transcribe 2 modelining diarizatsiyasi, 13 tilli katalog varianti va uzunroq yozuv qo‘llovi ishlab chiqaruvchining alohida imkoniyatlaridir.
Ailoot Ultra · Transkripsiya POST /v1/audio/transcriptions mistralai/voxtral-mini-3b-2507
mistralai/voxtral-mini-3b-2507
mistralai/voxtral-mini-3b-2507Boshlash
Voxtral Mini 1.0 3B 2507 transkripsiya, nutq tarjimasi, savollar va xulosalar uchun audioni tushunishni ixcham matn modeli bilan birlashtiradi. Ishlab chiqaruvchi 32K kontekst, 30 daqiqagacha transkripsiya yoki 40 daqiqagacha audioni tushunish hamda matn chiqishini hujjatlashtiradi.
- Qabul qilinadigan kirish ma’lumotlari
- Audio
- Natijalar
- Matn
Ailoot da mavjud · kirish ma’lumotlari va usullar
Ailoot Ultra · Transkripsiya POST /v1/audio/transcriptions
- Kirish
audio- Chiqish
text
| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar mistralai/voxtral-mini-3b-2507 | Standart— |
Maydoninput_audio | Turobject | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonlanguage | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontemperature | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 0 Eng ko‘p: 1 | Standart— |
Maydonresponse_format | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar json, verbose_json | Standartjson |
Maydontimestamp_granularities | Turarray | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonprovider | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Usul parametrlari va hayot sikli
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, input_audio |
Parametrmaterial_types | Parametr talablariaudio |
Parametrmaterial_conditions | Parametr talablariHaqiqiy WAV faylini o‘qing va e’lon qilingan JSON input_audio uchun uning haqiqiy baytlarini kodlang; faqat JSON uchun berilgan aynan shu deklaratsiyada multipart yo‘nalishi taklif qilinmaydi. |
Hayot sikli: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Amalda qaytarilgan task_id yoki media kutubxonasidagi yozuv
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Tariflar
Yakuniy to‘lov qanday hisoblanadi
Ko‘rsatilgan tariflar xarajatni generatsiyadan oldin taxminiy hisoblash uchun xizmat qiladi. Yakuniy to‘lov dastlabki generatsiya uchun qayd etilgan xarajat asosida hisoblanadi. Natijaning o‘lchangan davomiyligi va oldindan taxmin qilingan miqdorlar haq undiriladigan yakuniy miqdor hisoblanmaydi.
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
- Tezkor rejim
- Ko‘rsatilmagan Tezkor rejim tanlanganda
- Flex rejimi
- Ko‘rsatilmagan flex rejimi tanlanganda
- Maksimal fikrlash darajasi
- Ko‘rsatilmagan Maksimal fikrlash darajasi uchun standart (default) tuzatish qo‘llanganda
Taqqoslash uchun taxminiy tariflar
Sozlamalar bo‘yicha narxlar
Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.
| Sozlama | Tariflar jadvali | Prognoz miqdori | Hisob birligi | To‘lov |
|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Prognoz miqdori— | Hisob birligi— | To‘lov Kirish · Kirish tokenlari · Faqat taqqoslash uchun taxmin — / 1K token Chiqish · Chiqish tokenlari · Faqat taqqoslash uchun taxmin — / 1K token Kirish · Keshdan o‘qish · Faqat taqqoslash uchun taxmin — / 1K token Kirish · Keshga yozish · Faqat taqqoslash uchun taxmin — / 1K token Kirish · Keshga yozish, 1 soat · Faqat taqqoslash uchun taxmin — / 1K token |
| SozlamaKirish audiosi soniyasi | Tariflar jadvali— | Prognoz miqdori— | Hisob birligikirish audiosining soniyasi uchun | To‘lov Kirish · Kirish audiosi soniyasi · Faqat taqqoslash uchun taxmin $0.0000333334 kirish audiosining soniyasi uchun |
| SozlamaYaratishning taxminiy qiymati | Tariflar jadvali— | Prognoz miqdoribir generatsiya uchun taxmin | Hisob birligi— | To‘lov Chiqish · Yaratishning taxminiy narxi · Faqat taqqoslash uchun taxmin $0.0000333334 yaratishdan oldingi taxmin Bu taxmin qo‘shimcha to‘lov ham, tugallangan generatsiya uchun qat’iy tarif ham emas. |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
So‘rov namunalari
Ailoot Ultra · Transkripsiya
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'mistralai/voxtral-mini-3b-2507', 'input_audio': {'data': '${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Natijalarni olish va saqlash
Ailoot Ultra · Transkripsiya
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Boshqa kontentni o‘qish
set -eu
: "${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.
Barcha tayyor natijalarni saqlash
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
To‘liq javob va sarlavhalarni, amalda qaytarilgan barcha natijalarni, dastlab qaytarilgan identifikatorlarni hamda barcha usage maydonlarini saqlang. Yaratish so‘rovini qayta yubormasdan dastlabki operatsiyani tiklang.
Asl javobni tekshirish kerak bo‘lsa
Qaytarilgan X-Client-Request-ID ni ma’lumotlarni solishtirib tekshirish uchun saqlang. Faqat amalda qaytarilgan task_id/asset_id qiymatlari bo‘yicha yoki o‘zingizga tegishli media kutubxonasidan ma’lumot o‘qing; operatsiya ID sidan vazifa URL manzilini hech qachon tuzmang va yaratish so‘rovini qayta yubormang.
Javob maydonlari
| Maydon | Tur |
|---|---|
Maydontext | Tur |
Maydonusage | Tur |
Maydonsegments[] | Tur |
Maydonwords[] | Tur |
Maydonspeaker fields | Tur |
Maydontimestamps | Tur |
Taxalluslar
Model taxalluslari
Ailoot Ultra mistralai/voxtral-mini-3b-2507
Usul yo‘llari taxalluslari
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Chaqirish uchun tegishli ID lar
FAQ · Mistral: Voxtral Mini 3B 2507
- Qanday kirish ma’lumotlari va natijalar mavjud?
POST /v1/audio/transcriptions·mistralai/voxtral-mini-3b-2507:audio→text- So‘rov qaysi maydonlardan foydalanadi?
POST /v1/audio/transcriptions·mistralai/voxtral-mini-3b-2507:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Qanday cheklovlar amal qiladi?
POST /v1/audio/transcriptions·mistralai/voxtral-mini-3b-2507:temperature.minimum:0;temperature.maximum:1