Mistral: Voxtral Small Transcribe 3

Mistral: Voxtral Small Transcribe 3 adalah model speech-to-text dari Mistral, yang terdaftar di api14 dalam kategori transcription. Model ini dijelaskan sebagai model transkripsi unggulan Mistral, dan tanggal rilis penyedianya adalah 20 Oktober 2026. Jika pekerjaan Anda melibatkan pengubahan ucapan yang direkam menjadi teks tertulis, ini adalah keluarga model yang pertama harus Anda lihat dari penyedia ini.

Model ini menerima audio sebagai satu-satunya modalitas input dan mengembalikan transkripsi sebagai output. Menurut deskripsi penyedia, transkrip mencakup timestamp dan speaker diarization, sehingga Anda mendapatkan kapan sesuatu dikatakan dan indikasi siapa yang mengatakannya. Model ini juga mendukung context biasing, yang memungkinkan Anda mengarahkan pengenalan ke kosakata khusus domain. Context window-nya adalah 65,536 token, dan output maksimumnya adalah 52,428 token, yang merupakan batas atas yang besar untuk satu pekerjaan transkripsi.

Kemampuan tersebut mengarah pada serangkaian penggunaan yang cukup spesifik. Rekaman rapat dan panggilan adalah kecocokan yang jelas, karena timestamp dan diarization membuatnya praktis untuk menghasilkan notulen yang mudah dibaca atau melompat ke pernyataan pembicara tertentu. Transkripsi wawancara mendapat manfaat dari dua fitur yang sama, karena Anda dapat memisahkan pewawancara dari narasumber tanpa pemisahan manual. Context biasing penting dalam konteks teknis, medis, hukum, atau konteks khusus lainnya, di mana nama, akronim, dan jargon umum ditemukan dan pengenalan generik cenderung salah mengenalinya. Alur kerja apa pun yang membutuhkan versi teks audio yang dapat dicari dan selaras waktu dapat dibangun di atas model ini.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "mistralai/voxtral-small-transcribe-3-0". Karena antarmukanya mengikuti format OpenAI, Anda dapat mengarahkan klien OpenAI yang sudah ada ke api14 dan mengirim audio dalam permintaan alih-alih menulis ulang integrasi Anda. Daftar parameter yang didukung model ini kosong, jadi tidak ada opsi penyetelan tambahan yang perlu diatur di luar apa yang diterima endpoint itu sendiri; batasi permintaan Anda pada field standar dan biarkan model menangani transkripsi. Tabel harga langsung di halaman ini mencakup biaya yang Anda bayar per penggunaan.

Satu hal yang perlu dipertimbangkan adalah cakupannya. Model ini dibuat hanya untuk transkripsi, dengan audio masuk dan teks keluar, jadi ini bukan pilihan yang tepat untuk tugas chat, reasoning, gambar, atau generasi teks umum; pilih model serbaguna atau multimodal untuk itu. Model ini juga tidak mengekspos parameter yang dapat disetel, jadi jika Anda membutuhkan kontrol halus atas perilaku decoding, periksa apakah model transkripsi lain di api14 menawarkannya. Untuk speech-to-text langsung dengan timestamp, diarization, dan vocabulary biasing, model ini adalah kecocokan langsung.