Mistral: Voxtral Mini Transcribe

Mistral Voxtral Mini Transcribe est un modèle de reconnaissance vocale de Mistral, dérivé de la famille Voxtral Mini. Il est conçu spécifiquement pour le travail de transcription plutôt que pour le chat ou la génération générale, et il se situe dans la catégorie transcription sur api14. Si vous connaissez déjà Mistral pour ses modèles de langage, il s'agit du même fournisseur appliquant ce travail à l'audio, avec une tâche plus étroite et plus prévisible : transformer de la parole enregistrée en texte écrit.

Le modèle prend l'audio comme seule entrée et renvoie une transcription comme sortie. Il n'accepte pas d'invites textuelles ni d'images, il n'y a donc aucun mélange multimodal à anticiper. La fenêtre de contexte est de 16 384 tokens, et la sortie maximale est de 13 107 tokens. Ce plafond de sortie compte en pratique car il limite la quantité de texte transcrit qu'une seule requête peut renvoyer, ce qui borne à son tour la quantité d'audio à envoyer en un seul appel. Les enregistrements longs peuvent devoir être découpés en segments plus petits pour que chaque réponse reste dans cette limite.

Comme l'entrée est de l'audio et la sortie du texte, les usages évidents sont la transcription de réunions, les notes d'entretiens, le nettoyage de mémos vocaux, la capture de cours, et les flux de sous-titrage de podcasts ou de vidéos où vous avez besoin d'une transcription écrite avant tout traitement ultérieur. Il convient aussi aux pipelines qui alimentent des étapes en aval telles que le résumé, l'indexation de recherche ou l'extraction de mots-clés, puisque la sortie est du texte transcrit brut. Partout où vous avez de la parole enregistrée et que vous en avez besoin sous forme de texte, ce modèle est l'outil direct.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "mistralai/voxtral-mini-transcribe". Comme l'interface suit le format de transcription d'OpenAI, vous envoyez l'audio dans la requête et recevez la transcription dans la réponse, ce qui signifie que les clients de transcription OpenAI existants n'ont généralement besoin que de changer l'URL de base et l'identifiant de modèle. Le modèle ne liste aucun paramètre pris en charge, il n'y a donc aucun contrôle d'échantillonnage ou de génération à régler ; gardez les requêtes simples et fiez-vous aux valeurs par défaut. Si vous avez besoin d'un comportement au-delà de la simple transcription, ce modèle n'est pas le bon outil, car il produit uniquement une sortie de transcription et n'expose aucun paramètre ajustable.