Mistral: Voxtral Small 24B 2507 STT

Mistral: Voxtral Small 24B 2507 STT è un modello di trascrizione vocale di Mistral AI. Si colloca nella categoria della trascrizione, e il suo nome riflette sia la capacità maggiore di 24B del modello sia la sua attenzione al lavoro di speech to text. Mistral lo posiziona per carichi di lavoro di trascrizione, traduzione e comprensione audio che traggono vantaggio da quella maggiore capacità del modello, quindi è rivolto agli sviluppatori che necessitano di più di un passaggio minimo di speech to text sul proprio audio.

Il modello prende l'audio come modalità di input e restituisce una trascrizione come output. Questa è l'intera forma dell'interfaccia: si invia audio, si riceve testo indietro. Nessuna lunghezza di contesto è elencata per questo modello, e nessun parametro di richiesta supportato è elencato, quindi dovresti trattarlo come un endpoint mirato a scopo singolo piuttosto che come un modello di chat generale che puoi guidare con controlli di campionamento. I dettagli elencano anche un output massimo di 0, il che significa che non c'è un budget di token di output pubblicizzato separatamente su cui pianificare.

Gli usi pratici derivano direttamente da quella forma audio in ingresso, trascrizione in uscita. Le registrazioni di riunioni e chiamate possono essere trasformate in testo per ricerca, revisione o archiviazione. Note vocali e interviste possono essere trascritte in blocco. Poiché la descrizione del provider nomina anche la traduzione, il modello può essere usato dove l'obiettivo non è solo catturare ciò che è stato detto ma renderlo in un'altra lingua. I carichi di lavoro di comprensione audio, come l'estrazione del contenuto di materiale parlato per l'elaborazione a valle, sono un altro adattamento. Se la tua pipeline necessita di un modello di testo per riassumere o classificare la trascrizione in seguito, questo è un passaggio separato con un modello separato.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id del modello "mistralai/voxtral-small-24b-2507-stt". Poiché l'endpoint segue il formato OpenAI, puoi puntare le librerie client OpenAI esistenti su api14 e inviare il tuo audio nella richiesta, quindi leggere la trascrizione dalla risposta. Nessun parametro supportato è elencato per questo modello, quindi non c'è nulla da regolare oltre a selezionare il modello e fornire l'audio; mantieni la tua richiesta semplice ed evita di presumere che temperature, top_p o manopole simili avranno un effetto.

Poiché nessuna lunghezza di contesto è pubblicata e nessun parametro è esposto, questo modello è meglio trattato come un componente di trascrizione dedicato piuttosto che come qualcosa che configuri pesantemente. Se hai bisogno di un modello che accetti prompt di testo insieme all'audio, o di uno in cui puoi controllare il comportamento di generazione tramite parametri di richiesta, un altro modello nel catalogo potrebbe adattarsi meglio. Per il lavoro diretto di speech to text e traduzione vocale, questo è la scelta diretta.