Mistral: Voxtral Small 24B 2507 STT

Mistral: Voxtral Small 24B 2507 STT es un modelo de transcripción de voz de Mistral AI. Se sitúa en la categoría de transcripción, y su nombre refleja tanto la mayor capacidad de 24B del modelo como su enfoque en el trabajo de voz a texto. Mistral lo posiciona para cargas de trabajo de transcripción, traducción y comprensión de audio que se benefician de esa mayor capacidad del modelo, por lo que está dirigido a desarrolladores que necesitan más que un simple paso mínimo de voz a texto sobre su audio.

El modelo toma audio como su modalidad de entrada y devuelve una transcripción como salida. Esa es toda la forma de la interfaz: envías audio, recibes texto de vuelta. No se indica ninguna longitud de contexto para este modelo, y tampoco se indican parámetros de solicitud compatibles, por lo que debes tratarlo como un endpoint enfocado de propósito único en lugar de un modelo de chat general que puedes dirigir con controles de muestreo. Los detalles también indican una salida máxima de 0, lo que significa que no hay un presupuesto de tokens de salida anunciado por separado para planificar.

Los usos prácticos se derivan directamente de esa forma de audio de entrada, transcripción de salida. Las grabaciones de reuniones y llamadas se pueden convertir en texto para búsqueda, revisión o archivo. Las notas de voz y las entrevistas se pueden transcribir en masa. Debido a que la descripción del proveedor también menciona la traducción, el modelo se puede usar donde el objetivo no es solo capturar lo que se dijo sino presentarlo en otro idioma. Las cargas de trabajo de comprensión de audio, como extraer el contenido de material hablado para su procesamiento posterior, son otro ajuste. Si tu pipeline necesita un modelo de texto para resumir o clasificar la transcripción después, ese es un paso separado con un modelo separado.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "mistralai/voxtral-small-24b-2507-stt". Debido a que el endpoint sigue el formato de OpenAI, puedes apuntar las bibliotecas cliente de OpenAI existentes a api14 y enviar tu audio en la solicitud, luego leer la transcripción de la respuesta. No se indican parámetros compatibles para este modelo, por lo que no hay nada que ajustar más allá de seleccionar el modelo y proporcionar el audio; mantén tu solicitud simple y evita asumir que temperature, top_p o perillas similares tendrán efecto.

Dado que no se publica ninguna longitud de contexto y no se exponen parámetros, este modelo se trata mejor como un componente de transcripción dedicado en lugar de algo que configuras en gran medida. Si necesitas un modelo que acepte prompts de texto junto con audio, o uno donde puedas controlar el comportamiento de generación a través de parámetros de solicitud, otro modelo en el catálogo puede encajar mejor. Para trabajo directo de voz a texto y traducción de voz, este es la elección directa.