Mistral: Voxtral Mini 3B 2507
Voxtral Mini 1.0 3B 2507 kết hợp hiểu âm thanh với mô hình văn bản nhỏ gọn dành cho chép lời, dịch lời nói, câu hỏi và tóm tắt. Nhà sản xuất mô tả ngữ cảnh 32K, tối đa 30 phút chép lời hoặc 40 phút hiểu âm thanh và đầu ra văn bản.
Về mô hình
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Voxtral Mini 1.0 3B 2507 là mô hình hiểu văn bản và âm thanh nhỏ gọn của Mistral AI, được xây trên dòng mô hình ngôn ngữ Ministral 3B. Mô hình nhận bản ghi lời nói và chỉ dẫn văn bản, tạo văn bản, gồm bản chép lời, bản dịch, câu trả lời về âm thanh và tóm tắt có cấu trúc. Bản phát hành Voxtral gốc định vị mô hình 3B này cho ứng dụng nhỏ gọn hoặc cục bộ, bên cạnh mô hình Voxtral Small 24B riêng. Nó cũng khác với dịch vụ Voxtral Mini Transcribe được cung cấp trực tuyến và tối ưu cho chép lời.
Mô hình có chế độ chép lời chuyên dụng mặc định tự dự đoán ngôn ngữ nguồn và chép lời tương ứng. Chọn chế độ đó khi sản phẩm bắt buộc là câu chữ được nói. Ngược lại, hiểu âm thanh cho phép câu hỏi trực tiếp hoặc yêu cầu tóm tắt bản ghi, không cần giai đoạn nhận dạng lời nói riêng rồi đến mô hình văn bản. Vì vậy, phỏng vấn có thể tạo bản chép đầy đủ, bản dịch hoặc câu trả lời cho câu hỏi hẹp; hãy chỉ rõ kết quả cần để các tác vụ khác nhau ấy không trở thành bản yêu cầu mơ hồ.
Thẻ phát hành cụ thể liệt kê ngữ cảnh 32K token và âm thanh tối đa 30 phút cho chép lời hoặc 40 phút cho hiểu nội dung. Đây là tuyên bố thời lượng theo tác vụ khác nhau, không phải mức âm thanh dùng chung cho mọi thao tác. Giữ bản ghi, chỉ dẫn và hội thoại liên quan trong phạm vi tác vụ dự định. Các ngôn ngữ được nhà sản xuất nêu là tiếng Anh, Tây Ban Nha, Pháp, Bồ Đào Nha, Hindi, Đức, Hà Lan và Ý, với nhận diện ngôn ngữ tự động. Với bản dịch hoặc câu trả lời, hãy phân biệt ngôn ngữ bản ghi với ngôn ngữ đầu ra bắt buộc.
Nhiều đầu vào âm thanh trong một thông điệp và âm thanh qua nhiều lượt người dùng được hỗ trợ. Gán mã định danh rõ cho mỗi bản ghi khi yêu cầu so sánh. Một ví dụ riêng có thể so sánh hai phần giải thích bằng lời và trả các yêu cầu đã thay đổi, với cột riêng cho mỗi nguồn. Câu hỏi tiếp theo có thể hỏi chi tiết sau một phát hiện hoặc cung cấp bản ghi khác. Thẻ cũng minh họa sử dụng chỉ có văn bản và chỉ có âm thanh, cho phép mô hình làm việc với câu hỏi bằng chữ cũng như bằng chứng lời nói.
Với tóm tắt cuộc họp, hãy cung cấp bản ghi và yêu cầu cấu trúc hữu ích như chủ đề, quyết định đã nêu và hành động tiếp theo. Giữ tên, ngày hoặc trách nhiệm chưa chắc chắn tách khỏi dữ kiện được nói rõ. Với phỏng vấn, hãy yêu cầu phát biểu trả lời câu hỏi cụ thể và đủ ngữ cảnh xung quanh để hiểu. Đây là thiết kế tác vụ cho sản phẩm văn bản dùng được; chúng không biến hiểu âm thanh chung thành bảo đảm phân đoạn theo người nói, mốc thời gian từng từ hoặc nhận diện người nói không được nêu tên.
Nhà sản xuất mô tả gọi hàm từ ý định được nói. Trong quy trình như vậy, ứng dụng cung cấp định nghĩa hàm, mô hình đề xuất lời gọi và đối số liên quan, rồi ứng dụng thực thi và trả quan sát. Vì vậy, yêu cầu bằng giọng nói có thể dẫn dắt tra cứu hoặc tác vụ có công cụ hỗ trợ khác, nhưng lời gọi mô hình đề xuất khác với hành động đã thực thi. Giữ kết quả thực tế trả về khi tiếp tục hội thoại để câu trả lời sau phản ánh điều đã xảy ra, thay vì điều được yêu cầu.
Thẻ sử dụng phát hành khuyến nghị temperature 0.0 cho chép lời, và temperature 0.2 với top_p 0.95 cho hiểu âm thanh và hội thoại. Thẻ nêu lời nhắc hệ thống không được hỗ trợ trong luồng này, nên đặt tác vụ và yêu cầu trả lời trong đầu vào người dùng. Các ví dụ giải mã bản ghi thành đầu vào âm thanh và có tài liệu MP3, nhưng không xác lập danh sách codec đầy đủ hoặc độ dài đầu ra tối đa cứng riêng. Thiết lập tạo 500 token trong ví dụ vẫn là ngân sách ví dụ.
Chuẩn bị bản ghi rõ chứa tài liệu liên quan tới tác vụ và chỉ rõ bạn cần câu chữ gốc, bản dịch, câu trả lời hay tóm tắt. Thẻ cũng minh họa suy luận theo lô với nhiều hội thoại, một kiểu sử dụng của nhà sản xuất riêng biệt với định danh của từng kết quả. Giữ phiên bản 3B 2507 và hướng dẫn thời lượng chép lời so với hiểu nội dung; phân đoạn theo người nói, phạm vi 13 ngôn ngữ và hỗ trợ bản ghi dài hơn của mô hình Mini Transcribe 2 về sau là tính năng riêng của nhà sản xuất.
Ailoot Ultra · Phiên âm POST /v1/audio/transcriptions mistralai/voxtral-mini-3b-2507
mistralai/voxtral-mini-3b-2507
mistralai/voxtral-mini-3b-2507Bắt đầu
Voxtral Mini 1.0 3B 2507 kết hợp hiểu âm thanh với mô hình văn bản nhỏ gọn dành cho chép lời, dịch lời nói, câu hỏi và tóm tắt. Nhà sản xuất mô tả ngữ cảnh 32K, tối đa 30 phút chép lời hoặc 40 phút hiểu âm thanh và đầu ra văn bản.
- Đầu vào được chấp nhận
- Âm thanh
- Kết quả
- Văn bản
Có trên Ailoot · đầu vào & phương thức
Ailoot Ultra · Phiên âm POST /v1/audio/transcriptions
- Đầu vào
audio- Đầu ra
text
| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn mistralai/voxtral-mini-3b-2507 | Mặc định— |
Trườnginput_audio | Loạiobject | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườnglanguage | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 0 Tối đa: 1 | Mặc định— |
Trườngresponse_format | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn json, verbose_json | Mặc địnhjson |
Trườngtimestamp_granularities | Loạiarray | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Tham số phương thức và vòng đời
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, input_audio |
Tham sốmaterial_types | Hợp đồngaudio |
Tham sốmaterial_conditions | Hợp đồngĐọc tệp WAV thực tế và mã hóa các byte thật cho input_audio JSON đã khai báo; không quảng bá tuyến multipart cho khai báo chính xác chỉ dùng JSON này. |
Vòng đời: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Giá trị task_id thực tế đã trả về hoặc bản ghi trong thư viện nội dung đa phương tiện
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Bảng giá
Cách tính phí cuối cùng
Các đơn giá hiển thị dùng để ước tính chi phí trước khi tạo. Khoản phí cuối cùng được tính dựa trên chi phí ghi nhận cho lượt tạo gốc. Thời lượng đầu ra đo được và số lượng dự kiến không phải là số lượng cuối cùng dùng để tính phí.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
- Chế độ nhanh
- Chưa chỉ định Khi chọn chế độ nhanh
- Chế độ Flex
- Chưa chỉ định Khi chọn chế độ flex
- Mức độ suy luận tối đa
- Chưa chỉ định Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa
Mức phí ước tính để so sánh
Giá theo cấu hình
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Số lượng dự báo | Đơn vị tính phí | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Số lượng dự báo— | Đơn vị tính phí— | Phí Đầu vào · Token đầu vào · Ước tính chỉ để so sánh — / 1K token Đầu ra · Token đầu ra · Ước tính chỉ để so sánh — / 1K token Đầu vào · Đọc bộ nhớ đệm · Ước tính chỉ để so sánh — / 1K token Đầu vào · Ghi bộ nhớ đệm · Ước tính chỉ để so sánh — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ · Ước tính chỉ để so sánh — / 1K token |
| Cấu hìnhGiây âm thanh đầu vào | Biểu mức phí— | Số lượng dự báo— | Đơn vị tính phímỗi giây âm thanh đầu vào | Phí Đầu vào · Giây âm thanh đầu vào · Ước tính chỉ để so sánh $0.0000333334 mỗi giây âm thanh đầu vào |
| Cấu hìnhChi phí tạo ước tính | Biểu mức phí— | Số lượng dự báoước tính cho một lần tạo | Đơn vị tính phí— | Phí Đầu ra · Chi phí tạo ước tính · Ước tính chỉ để so sánh $0.0000333334 ước tính trước khi tạo Ước tính này không phải là khoản phí bổ sung hay mức giá cố định cho lượt tạo đã hoàn tất. |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
Ví dụ yêu cầu
Ailoot Ultra · Phiên âm
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Nhận và lưu kết quả
Ailoot Ultra · Phiên âm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Lượt đọc nội dung khác
set -eu
: "${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.
Lưu tất cả kết quả đã hoàn tất
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ lại toàn bộ phản hồi và các header, mọi đầu ra thực tế, các định danh gốc đã trả về và mọi trường usage. Khôi phục thao tác gốc mà không gửi lại yêu cầu tạo.
Nếu cần kiểm tra phản hồi gốc
Giữ lại X-Client-Request-ID đã trả về để đối soát. Chỉ truy xuất theo các giá trị task_id/asset_id thực tế đã trả về hoặc từ thư viện nội dung đa phương tiện thuộc quyền sở hữu của bạn; tuyệt đối không tạo URL tác vụ từ ID thao tác và không gửi lại yêu cầu tạo.
Trường phản hồi
| Trường | Loại |
|---|---|
Trườngtext | Loại |
Trườngusage | Loại |
Trườngsegments[] | Loại |
Trườngwords[] | Loại |
Trườngspeaker fields | Loại |
Trườngtimestamps | Loại |
Bí danh
Bí danh mô hình
Ailoot Ultra mistralai/voxtral-mini-3b-2507
Bí danh đường dẫn phương thức
Dùng các đường dẫn phương thức hiển thị ở trên.
ID gọi liên quan
FAQ · Mistral: Voxtral Mini 3B 2507
- Có những đầu vào và kết quả nào?
POST /v1/audio/transcriptions·mistralai/voxtral-mini-3b-2507:audio→text- Yêu cầu sử dụng những trường nào?
POST /v1/audio/transcriptions·mistralai/voxtral-mini-3b-2507:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Áp dụng những giới hạn nào?
POST /v1/audio/transcriptions·mistralai/voxtral-mini-3b-2507:temperature.minimum:0;temperature.maximum:1