Mistral: Voxtral Mini Transcribe 3

Mistral Voxtral Mini Transcribe 3 adalah model speech-to-text dari Mistral, yang dirilis oleh provider pada 20 Oktober 2026. Model ini berada di kategori transkripsi dan merupakan anggota kompak dari lini transkripsi Voxtral milik Mistral, yang menjadikannya opsi untuk dipertimbangkan ketika Anda menginginkan pengenalan suara Mistral tanpa model yang lebih besar. Id modelnya di api14 adalah mistralai/voxtral-mini-transcribe-3-0.

Model ini menerima audio sebagai satu-satunya modalitas input dan mengembalikan transkrip sebagai satu-satunya output. Dua fitur menonjol dalam transkrip itu sendiri: timestamp dan diarisasi pembicara, sehingga output dapat memberi tahu Anda kapan sesuatu diucapkan dan siapa yang mengucapkannya. Model ini juga mendukung context biasing untuk istilah domain, yang memungkinkan Anda mengarahkan pengenalan ke kosakata seperti nama produk, jargon atau kata benda khusus yang mungkin salah didengar oleh model umum. Context window-nya adalah 65.536 token, dan output maksimumnya adalah 52.428 token.

Kemampuan tersebut mengarah pada serangkaian pekerjaan yang cukup spesifik. Transkripsi rapat dan panggilan adalah yang paling jelas, karena diarisasi memisahkan peserta dan timestamp memungkinkan Anda menyelaraskan transkrip dengan rekaman. Transkripsi wawancara mengikuti pola yang sama. Context biasing membuat model lebih cocok untuk audio khusus, misalnya catatan klinis, proses hukum, pembicaraan teknis atau panggilan dukungan pelanggan yang sering memuat terminologi internal. Karena outputnya adalah transkrip, bukan ringkasan atau jawaban, Anda biasanya akan meneruskan hasilnya ke model teks terpisah jika Anda memerlukan peringkasan, ekstraksi atau pengindeksan pencarian di hilir.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan id model mistralai/voxtral-mini-transcribe-3-0, dengan mengirim audio sebagai input. Model ini tidak mencantumkan parameter yang didukung, jadi tidak ada pengaturan sampling atau decoding yang dapat disetel pada request; pertahankan panggilan Anda pada bentuk transkripsi standar dan andalkan default model. Jika Anda perlu memengaruhi pengenalan istilah tertentu, itulah fungsi context biasing, bukan parameter request.

Hal utama yang perlu dipertimbangkan adalah cakupannya. Ini adalah model transkripsi dengan input audio dan output transkrip saja, jadi model ini tidak akan menjawab pertanyaan tentang audio, menerjemahkan dalam langkah terpisah atau menghasilkan teks di luar transkrip. Jika beban kerja Anda adalah teks, bukan ucapan, atau Anda memerlukan model yang bernalar atas konten yang diterimanya, model teks umum adalah pilihan yang lebih baik. Dalam pekerjaan speech-to-text, Voxtral Mini Transcribe 3 paling cocok ketika Anda menginginkan timestamp, diarisasi dan pembobotan istilah domain dalam model Mistral yang kompak.