Mistral: Voxtral Small 24B 2507 STT

Mistral: Voxtral Small 24B 2507 STT ist ein Sprachtranskriptionsmodell von Mistral AI. Es gehört zur Kategorie Transkription, und sein Name spiegelt sowohl die größere 24B-Kapazität des Modells als auch seinen Fokus auf Speech-to-Text-Arbeit wider. Mistral positioniert es für Transkriptions-, Übersetzungs- und Audioverständnis-Workloads, die von dieser größeren Modellkapazität profitieren, sodass es sich an Entwickler richtet, die mehr als einen minimalen Speech-to-Text-Durchlauf über ihr Audio benötigen.

Das Modell nimmt Audio als Eingabemodalität und gibt eine Transkription als Ausgabe zurück. Das ist die gesamte Form der Schnittstelle: Sie senden Audio, Sie erhalten Text zurück. Für dieses Modell ist keine Kontextlänge aufgeführt, und es sind auch keine unterstützten Anfrageparameter aufgeführt, daher sollten Sie es als fokussierten Zweck-Endpunkt behandeln und nicht als allgemeines Chat-Modell, das Sie mit Sampling-Steuerungen lenken können. Die Details geben außerdem eine maximale Ausgabe von 0 an, was bedeutet, dass es kein separat ausgewiesenes Ausgabe-Token-Budget gibt, mit dem Sie planen müssten.

Die praktischen Anwendungen ergeben sich direkt aus dieser Form Audio rein, Transkription raus. Besprechungs- und Anrufaufzeichnungen können für Suche, Überprüfung oder Archivierung in Text umgewandelt werden. Sprachnotizen und Interviews können in großen Mengen transkribiert werden. Da die Anbieterbeschreibung auch Übersetzung nennt, kann das Modell dort eingesetzt werden, wo das Ziel nicht nur darin besteht, festzuhalten, was gesagt wurde, sondern es in einer anderen Sprache wiederzugeben. Audioverständnis-Workloads, etwa das Extrahieren des Inhalts von gesprochenem Material für die Weiterverarbeitung, sind ein weiterer Anwendungsfall. Wenn Ihre Pipeline danach ein Textmodell benötigt, um das Transkript zusammenzufassen oder zu klassifizieren, ist das ein separater Schritt mit einem separaten Modell.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "mistralai/voxtral-small-24b-2507-stt" auf. Da der Endpunkt dem OpenAI-Format folgt, können Sie vorhandene OpenAI-Client-Bibliotheken auf api14 richten und Ihr Audio in der Anfrage senden und dann die Transkription aus der Antwort lesen. Für dieses Modell sind keine unterstützten Parameter aufgeführt, es gibt also nichts abzustimmen, außer das Modell auszuwählen und das Audio bereitzustellen; halten Sie Ihre Anfrage einfach und gehen Sie nicht davon aus, dass temperature, top_p oder ähnliche Stellschrauben eine Wirkung haben.

Da keine Kontextlänge veröffentlicht ist und keine Parameter offengelegt sind, wird dieses Modell am besten als dedizierte Transkriptionskomponente behandelt und nicht als etwas, das Sie stark konfigurieren. Wenn Sie ein Modell benötigen, das neben Audio auch Textaufforderungen akzeptiert, oder eines, bei dem Sie das Generierungsverhalten über Anfrageparameter steuern können, passt ein anderes Modell im Katalog möglicherweise besser. Für unkomplizierte Speech-to-Text- und Sprachübersetzungsarbeit ist dieses hier die direkte Wahl.