Mistral: Voxtral Mini Transcribe
Voxtral Mini Transcribe 2 將錄音轉為文字，並支援說話者分離、字詞層級時間戳記及詞彙偏向。Mistral 為此聚焦轉錄的版本記載 13 種語言及最長三小時錄音，與 Voxtral Realtime 不同。
關於模型
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Voxtral Mini Transcribe 2 是 Mistral AI 聚焦轉錄的 Voxtral 版本，在開發者模型卡中的識別碼為 voxtral-mini-2602。它專為錄音式批次轉錄設計，不同於原始 Voxtral Mini 3B 模型較廣泛的問答用途。輸入是音訊，結果是轉錄文字，可選擇附加說話者標籤與時間資訊。實際用途包括會議逐字稿、訪談分析、多方通話紀錄，以及與錄製媒體對齊的文字。
原廠記載說話者分離及開始／結束時間，讓逐字稿可顯示誰在何時說話。字詞層級時間戳記支援字幕、音訊搜尋，以及文字段落與錄音位置的對齊。開發者指南允許片段或字詞層級的時間戳記粒度。對訪談，實用成品是附有說話者歸屬與時間的一連串段落；準備字幕時，字詞或片段時間可引導後續字幕步驟，不必從純逐字稿文字推測時間。
上下文偏向接受最多 100 個字詞或片語，引導模型採用預期的姓名、技術術語及領域詞彙拼寫。Mistral 表示此功能針對英語最佳化，其他語言的支援屬實驗性。請根據錄音主題準備聚焦詞彙表，而非無關的詞彙集。一個原創範例是提供技術討論中可能出現的專案名稱與專門術語，再於完成的逐字稿中檢查拼寫。
此版本支援十三種語言：英語、中文、印地語、西班牙語、阿拉伯語、法語、葡萄牙語、俄語、德語、日語、韓語、義大利語及荷蘭語。原廠也記載抗噪能力，以及單次請求最長三小時的錄音。這些屬於 Mini Transcribe 2 的錄音工作流程；原始 2507 音訊理解模型的上下文與時長說明描述的是另一版本。可使用自動語言偵測，指南也指出，明確提供已知音訊語言可改善轉錄準確度。
在文件記載的開發者工作流程中，音訊可透過上傳檔案、先前上傳檔案的識別碼，或引用錄音提供。附帶的上傳示範接受 MP3、WAV、M4A、FLAC 及 OGG 錄音；使用示範上傳工作流程時，請選擇其中一種格式。保持錄音可解碼，並包含相關語音。對長篇材料，請保留識別碼與時間起點，讓任何後續摘錄或編輯仍可追溯來源。
依轉錄參考文件，回應會包含文字與偵測到的語言；要求時也會包含片段，文件並另行記載串流轉錄事件。說話者分離是選用功能，預設為 false。指南指出，timestamp_granularities 與明確 language 設定目前不相容，因此請選擇所需時間工作流程或手動語言提示，而非合併兩者。說話者標記轉錄、詞彙偏向與時間資訊，應依預期結果選擇，不應從基本請求自行假定。
重疊語音是實質限制：Mistral 表示，說話者重疊時，模型通常只轉錄其中一人。因此，附標籤的逐字稿不應被視為所有同時發言的完整紀錄。對會議紀錄，請對照錄音檢查困難重疊處，以及重要姓名或數字。模型用途是轉錄；摘要、翻譯或分析可以是建立在逐字稿上的獨立任務。Voxtral Realtime 有獨立的即時轉錄延遲型態，語音生成則屬於其他模型。
請為結果的下一個用途做準備。會議工作流程可先保留逐字稿、說話者標籤及時間，再於另一階段擷取決策；媒體工作流程可利用時間定位段落並草擬字幕；術語密集的錄音可以包含聚焦的上下文偏向清單，並審查產生的拼寫。實用交付成果是連結來源錄音與設定中繼資料的文字，並讓此數字版本的轉錄模型與原始 Mini 模型及隨更新變動的 latest 名稱保持區別。
Ailoot Ultra · 語音轉文字 POST /v1/audio/transcriptions mistralai/voxtral-mini-transcribe
mistralai/voxtral-mini-transcribe
mistralai/voxtral-mini-transcribe入門
Voxtral Mini Transcribe 2 將錄音轉為文字，並支援說話者分離、字詞層級時間戳記及詞彙偏向。Mistral 為此聚焦轉錄的版本記載 13 種語言及最長三小時錄音，與 Voxtral Realtime 不同。
- 接受的輸入
- 音訊
- 結果
- 文字
Ailoot 可用 · 輸入與方法
Ailoot Ultra · 語音轉文字 POST /v1/audio/transcriptions
- 輸入
audio- 輸出
text
| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 mistralai/voxtral-mini-transcribe | 預設值— |
欄位input_audio | 類型object | 要求必填 | 值與限制 | 預設值— |
方法參數與生命週期
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, input_audio |
參數material_types | 規格audio |
參數material_conditions | 規格此範例會讀取您實際使用且非空的 PCM WAV 檔案，將完整檔案位元組編碼為 base64，並將 input_audio.format 設為 wav 傳送。 |
生命週期： synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 現有自有媒體紀錄中完全相符的 task_id
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
方案
費率資訊不會增加請求選項。支援的參數列於所選方法中。
- 快速模式
- 未指定 選取快速模式時
- flex 模式
- 未指定 選取 flex 模式時
- 最高推理強度
- 未指定 最高推理強度採用 default 調整值時
Ailoot 費率
各設定的價格
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 計費單位 | 費用 |
|---|---|---|---|
| 設定基礎 token 費率 | 費率表基本費率 | 計費單位— | 費用 輸入 · 輸入 Token — / 1K Token 輸出 · 輸出 Token — / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定輸入音訊秒數 | 費率表— | 計費單位每秒輸入音訊 | 費用 輸入 · 輸入音訊秒數 $0.0001 每秒輸入音訊 |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot Ultra · 語音轉文字
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import base64, io, json, os, wave
from pathlib import Path
audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):
raise SystemExit('Supply your actual PCM WAV audio file')
with wave.open(io.BytesIO(audio), 'rb') as recording:
if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:
raise SystemExit('Supply a nonempty PCM WAV recording')
request = {'model': 'mistralai/voxtral-mini-transcribe', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}
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
# Retain the complete original response, headers and actual X-Client-Request-ID.
# Read existing owned records for recovery; do not resubmit an uncertain operation.
接收並儲存結果
Ailoot Ultra · 語音轉文字
完整的原始回應本文、狀態與轉送標頭。此處理常式不會加入通用的 JSON 結構、文字欄位或工作封裝。
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
保留所有已完成的結果
請保留所有完整傳回的回應、檔案與內容區塊。
保留完整回應與標頭、所有實際輸出、原始回傳的識別碼，以及所有用量欄位。恢復原始作業時，請勿再次提交建立請求。
需要檢查原始回應時
請保留實際的 X-Client-Request-ID 與完整回應。請讀取原始自有資產及其完全相符的簽署內容 URL；切勿重新提交結果不明的建立請求。
回應欄位
| 欄位 | 類型 |
|---|---|
欄位text (when present) | 類型 |
欄位usage (when present) | 類型 |
錯誤與後續步驟
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件JSON 本文或明確的標準模型 ID 無效。 | 下一步請保留回應，並修正指出的請求欄位。 |
回應401 · authentication_error | 條件Ailoot API 金鑰無效。 | 下一步請使用您已獲授權的 Ailoot API 金鑰。 |
回應403 · permission_error | 條件此金鑰群組未獲准使用該方法。 | 下一步請保留回傳的錯誤詳細資訊。 |
回應404 · not_found_error | 條件所選方法沒有獲准使用的路由。 | 下一步請保留回傳的錯誤詳細資訊。 |
回應422 · price_unavailable | 條件已接受的費率無法取得其所需的輸入數量或界限。 | 下一步請保留回應，並使用已接受費率所要求的輸入表示方式。 |
回應503 · | 條件所需的儲存系統、路由、方法價格或預留額度無法使用。 | 下一步請保留完整的原始回應。預留額度狀態不明並不代表可以重新提交。 |
回應502 · server_error | 條件原始結果、用量或結算需要查核。 | 下一步請保留實際的請求 ID 與原始回應。請讀取現有的自有紀錄，切勿重新提交建立請求。 |
別名
模型別名
Ailoot Ultra mistralai/voxtral-mini-transcribe
方法路徑別名
請使用上方列出的 API 方法路徑。
相關呼叫用 ID
FAQ · Mistral: Voxtral Mini Transcribe
- 可以使用哪些輸入與結果？
POST /v1/audio/transcriptions·mistralai/voxtral-mini-transcribe:audio→text- 請求使用哪些欄位？
POST /v1/audio/transcriptions·mistralai/voxtral-mini-transcribe:model,input_audio