Mistral: Voxtral Mini Transcribe

Mistral Voxtral Mini Transcribe adalah model speech-to-text dari Mistral, yang diturunkan dari keluarga Voxtral Mini. Model ini dibangun khusus untuk pekerjaan transkripsi, bukan untuk chat atau generasi umum, dan berada dalam kategori transkripsi di api14. Jika Anda sudah mengenal Mistral melalui model bahasa mereka, ini adalah penyedia yang sama yang menerapkan pekerjaan tersebut pada audio, dengan tugas yang lebih sempit dan lebih dapat diprediksi: mengubah ucapan yang direkam menjadi teks tertulis.

Model ini menerima audio sebagai satu-satunya input dan mengembalikan transkripsi sebagai output. Model ini tidak menerima prompt teks atau gambar, jadi tidak ada pencampuran multimodal yang perlu direncanakan. Context window-nya adalah 16.384 token, dan output maksimumnya adalah 13.107 token. Batas output tersebut penting dalam praktik karena membatasi berapa banyak teks hasil transkripsi yang dapat dikembalikan dalam satu permintaan, yang pada gilirannya membatasi berapa banyak audio yang sebaiknya Anda kirim dalam satu panggilan. Rekaman panjang mungkin perlu dipecah menjadi segmen yang lebih kecil agar setiap respons tetap berada dalam batas tersebut.

Karena inputnya adalah audio dan outputnya adalah teks, penggunaan yang jelas adalah transkripsi rapat, catatan wawancara, pembersihan memo suara, perekaman kuliah, dan alur kerja subtitling podcast atau video yang membutuhkan transkrip tertulis sebelum pemrosesan lebih lanjut. Model ini juga cocok untuk pipeline yang meneruskan transkrip ke langkah hilir seperti peringkasan, pengindeksan pencarian, atau ekstraksi kata kunci, karena outputnya adalah teks transkripsi biasa. Di mana pun Anda memiliki ucapan yang direkam dan membutuhkannya sebagai teks, model ini adalah pilihan yang langsung cocok.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "mistralai/voxtral-mini-transcribe". Karena antarmukanya mengikuti format transkripsi OpenAI, Anda mengirim audio dalam permintaan dan menerima transkrip dalam respons, yang berarti klien transkripsi OpenAI yang sudah ada biasanya hanya perlu mengubah base URL dan model id. Model ini tidak mencantumkan parameter yang didukung, jadi tidak ada kontrol sampling atau generasi yang perlu disetel; buat permintaan tetap sederhana dan andalkan default. Jika Anda membutuhkan perilaku di luar transkripsi biasa, model ini bukan alat yang tepat, karena model ini hanya menghasilkan output transkripsi dan tidak mengekspos parameter yang dapat disesuaikan.