Mistral: Voxtral Mini 3B 2507

Mistral: Voxtral Mini 3B 2507 は、Mistral AI の音声およびオーディオ理解モデルです。文字起こしカテゴリに属し、プロバイダーのリリース日は 2026-08-13 です。この名前は設計を反映しています。Voxtral ラインのコンパクトな 3B モデルで、バージョンは 2507 です。すでにスタックの他の場所で Mistral モデルを使用している場合、これはそのファミリーをテキスト生成ではなく音声処理へと拡張するものです。

このモデルは入力モダリティとして音声を受け取り、出力モダリティとして文字起こしを生成します。Mistral はこれを文字起こし、翻訳、コンパクトな音声処理ワークロードに適していると説明しているため、それらが計画の前提となるタスクです。プロバイダーの説明にはコンテキストウィンドウが記載されておらず、このモデルにコンテキスト長も記載されていないため、長時間音声の処理は前提とせず、自分のワークロードで検証すべきものとして扱ってください。記載されている最大出力は 0 です。つまり、パイプラインを設計する際に、文書化された出力トークン予算に依存すべきではありません。

実用的な用途は、これらの機能から直接導かれます。第一は文字起こしです。録音された音声をテキストに変換します。第二は翻訳で、音声モデルでは通常、ある言語の音声を扱い、別の言語のテキストを生成することを意味します。第三はコンパクトな音声処理で、これは 3B モデルが妥当に適合する、より小規模または軽量な音声タスクをカバーする広い呼び方です。モデルが小さいため、大規模モデルなしで音声理解を行いたいワークロード、たとえばバッチ文字起こしジョブ、会議や通話の録音、文字起こしテキストを後続の段階に渡すパイプラインに適しています。

モデル id「mistralai/voxtral-mini-3b-2507」を使用して、api14 の OpenAI 互換 API 経由で呼び出します。インターフェースが OpenAI 互換であるため、既存の OpenAI クライアントを api14 に向け、通常の方法で音声入力を送信すると、出力として文字起こしが返されます。このモデルにはサポートされるパラメーターが記載されていないため、temperature や top_p などの調整オプションが受け入れられると想定しないでください。モデル id と音声入力を送信し、現在の料金についてはページ上のライブ価格表を確認してください。

制限については、ここで示されている事実は乏しいです。記載されたコンテキスト長はなく、最大出力は 0 です。そのため、非常に長い音声や保証された出力予算に作業が依存する場合は、コミットする前に動作を確認してください。音声の文字起こしではなくテキスト生成が必要な場合は、カタログ内のテキストモデルの方が適しています。文字起こし、翻訳、コンパクトな音声処理には、このモデルが直接の一致です。