Mistral: Voxtral Small 24B 2507 STT

Mistral : Voxtral Small 24B 2507 STT est un modèle de transcription vocale de Mistral AI. Il appartient à la catégorie transcription, et son nom reflète à la fois la capacité plus importante de 24B du modèle et son orientation vers le travail de parole vers texte. Mistral le positionne pour les charges de travail de transcription, de traduction et de compréhension audio qui bénéficient de cette capacité de modèle plus importante, il s'adresse donc aux développeurs qui ont besoin de plus qu'un simple passage minimal de parole vers texte sur leur audio.

Le modèle prend l'audio comme modalité d'entrée et renvoie une transcription comme sortie. C'est toute la forme de l'interface : vous envoyez de l'audio, vous recevez du texte en retour. Aucune longueur de contexte n'est indiquée pour ce modèle, et aucun paramètre de requête pris en charge n'est indiqué non plus, vous devez donc le considérer comme un point de terminaison dédié à un usage unique plutôt que comme un modèle de chat général que vous pouvez piloter avec des contrôles d'échantillonnage. Les détails indiquent également une sortie maximale de 0, ce qui signifie qu'il n'y a pas de budget de jetons de sortie annoncé séparément pour planifier.

Les usages pratiques découlent directement de cette forme audio en entrée, transcription en sortie. Les enregistrements de réunions et d'appels peuvent être convertis en texte pour la recherche, la révision ou l'archivage. Les notes vocales et les entretiens peuvent être transcrits en masse. Comme la description du fournisseur mentionne aussi la traduction, le modèle peut être utilisé lorsque l'objectif n'est pas seulement de capturer ce qui a été dit mais de le restituer dans une autre langue. Les charges de travail de compréhension audio, comme l'extraction du contenu d'un matériel parlé pour un traitement en aval, constituent un autre cas d'usage. Si votre pipeline a besoin d'un modèle de texte pour résumer ou classer la transcription ensuite, il s'agit d'une étape distincte avec un modèle distinct.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "mistralai/voxtral-small-24b-2507-stt". Comme le point de terminaison suit le format OpenAI, vous pouvez pointer les bibliothèques clientes OpenAI existantes vers api14 et envoyer votre audio dans la requête, puis lire la transcription dans la réponse. Aucun paramètre pris en charge n'est indiqué pour ce modèle, il n'y a donc rien à ajuster au-delà de la sélection du modèle et de la fourniture de l'audio ; gardez votre requête simple et évitez de supposer que temperature, top_p ou des réglages similaires auront un effet.

Comme aucune longueur de contexte n'est publiée et qu'aucun paramètre n'est exposé, ce modèle est mieux traité comme un composant de transcription dédié plutôt que comme quelque chose que vous configurez lourdement. Si vous avez besoin d'un modèle qui accepte des invites textuelles en plus de l'audio, ou d'un modèle dont vous pouvez contrôler le comportement de génération via des paramètres de requête, un autre modèle du catalogue pourrait mieux convenir. Pour les travaux simples de parole vers texte et de traduction de la parole, celui-ci est le choix direct.