Mistral: Voxtral Small 24B 2507 STT

Mistral: Voxtral Small 24B 2507 STT adalah model transkripsi ucapan dari Mistral AI. Model ini berada dalam kategori transkripsi, dan namanya mencerminkan kapasitas 24B yang lebih besar serta fokusnya pada pekerjaan speech to text. Mistral memposisikannya untuk beban kerja transkripsi, terjemahan, dan pemahaman audio yang memanfaatkan kapasitas model yang lebih besar tersebut, sehingga ditujukan bagi pengembang yang membutuhkan lebih dari sekadar proses speech to text minimal pada audio mereka.

Model ini menerima audio sebagai modalitas input dan mengembalikan transkripsi sebagai output. Itulah keseluruhan bentuk antarmukanya: Anda mengirim audio, Anda mendapatkan teks kembali. Tidak ada context length yang dicantumkan untuk model ini, dan tidak ada parameter permintaan yang didukung yang dicantumkan juga, jadi Anda sebaiknya memperlakukannya sebagai endpoint satu tujuan yang terfokus, bukan sebagai model chat umum yang dapat Anda kendalikan dengan kontrol sampling. Detailnya juga mencantumkan max output 0, yang berarti tidak ada anggaran token output yang diiklankan secara terpisah untuk direncanakan.

Kegunaan praktisnya mengikuti langsung dari bentuk audio masuk, transkripsi keluar tersebut. Rekaman rapat dan panggilan dapat diubah menjadi teks untuk pencarian, peninjauan, atau pengarsipan. Catatan suara dan wawancara dapat ditranskripsikan secara massal. Karena deskripsi penyedia juga menyebut terjemahan, model ini dapat digunakan ketika tujuannya bukan hanya menangkap apa yang dikatakan tetapi juga menyajikannya dalam bahasa lain. Beban kerja pemahaman audio, seperti mengekstrak konten materi lisan untuk pemrosesan hilir, juga cocok. Jika pipeline Anda memerlukan model teks untuk merangkum atau mengklasifikasikan transkrip setelahnya, itu adalah langkah terpisah dengan model terpisah.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "mistralai/voxtral-small-24b-2507-stt". Karena endpoint ini mengikuti format OpenAI, Anda dapat mengarahkan pustaka klien OpenAI yang ada ke api14 dan mengirim audio Anda dalam permintaan, lalu membaca transkripsi dari respons. Tidak ada parameter yang didukung yang dicantumkan untuk model ini, jadi tidak ada yang perlu disetel selain memilih model dan menyediakan audio; buat permintaan Anda tetap sederhana dan hindari berasumsi bahwa temperature, top_p, atau knob serupa akan berpengaruh.

Karena tidak ada context length yang dipublikasikan dan tidak ada parameter yang diekspos, model ini paling baik diperlakukan sebagai komponen transkripsi khusus, bukan sesuatu yang Anda konfigurasi secara berat. Jika Anda memerlukan model yang menerima prompt teks bersama audio, atau model yang perilaku generasinya dapat Anda kendalikan melalui parameter permintaan, model lain dalam katalog mungkin lebih cocok. Untuk pekerjaan speech to text dan terjemahan ucapan yang lugas, model ini adalah pilihan langsung.