Mistral: Voxtral Mini Transcribe

Mistral Voxtral Mini Transcribe ist ein Speech-to-Text-Modell von Mistral, abgeleitet aus der Voxtral Mini Familie. Es ist speziell für Transkriptionsarbeit gebaut und nicht für allgemeinen Chat oder Generierung, und es liegt in der Transkriptionskategorie auf api14. Wenn Sie Mistral bereits für seine Sprachmodelle kennen, ist dies derselbe Anbieter, der diese Arbeit auf Audio anwendet, mit einer engeren und vorhersehbareren Aufgabe: aufgenommene Sprache in geschriebenen Text umzuwandeln.

Das Modell nimmt Audio als einzige Eingabe und gibt eine Transkription als Ausgabe zurück. Es akzeptiert keine Text-Prompts oder Bilder, es gibt also keine multimodale Mischung, die eingeplant werden müsste. Das Kontextfenster beträgt 16.384 Token, und die maximale Ausgabe beträgt 13.107 Token. Diese Ausgabeobergrenze ist in der Praxis wichtig, weil sie begrenzt, wie viel transkribierter Text eine einzelne Anfrage zurückgeben kann, was wiederum begrenzt, wie viel Audio Sie in einem Aufruf senden sollten. Lange Aufnahmen müssen möglicherweise in kleinere Segmente aufgeteilt werden, damit jede Antwort innerhalb dieses Limits bleibt.

Da die Eingabe Audio und die Ausgabe Text ist, sind die offensichtlichen Verwendungen Meeting-Transkription, Interview-Notizen, Bereinigung von Sprachnotizen, Vorlesungsmitschnitte und Podcast- oder Video-Untertitelungs-Workflows, bei denen Sie vor jeder weiteren Verarbeitung ein geschriebenes Transkript benötigen. Es passt auch in Pipelines, die Transkripte in nachgelagerte Schritte wie Zusammenfassung, Suchindizierung oder Schlüsselwortextraktion einspeisen, da die Ausgabe reiner transkribierter Text ist. Überall dort, wo Sie aufgenommene Sprache haben und sie als Text benötigen, ist dieses Modell die direkte Wahl.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "mistralai/voxtral-mini-transcribe" auf. Da die Schnittstelle dem OpenAI-Transkriptionsformat folgt, senden Sie Audio in der Anfrage und erhalten das Transkript in der Antwort, was bedeutet, dass bestehende OpenAI-Transkriptionsclients normalerweise nur die Basis-URL und die Modell-ID ändern müssen. Das Modell listet keine unterstützten Parameter auf, es gibt also keine Sampling- oder Generierungssteuerungen zum Abstimmen; halten Sie Anfragen einfach und verlassen Sie sich auf die Standardwerte. Wenn Sie Verhalten jenseits reiner Transkription benötigen, ist dieses Modell nicht das richtige Werkzeug, da es nur Transkriptionsausgabe erzeugt und keine anpassbaren Parameter bereitstellt.