Mistral: Voxtral Mini Transcribe

O Mistral Voxtral Mini Transcribe é um modelo de fala para texto da Mistral, derivado da família Voxtral Mini. Foi criado especificamente para trabalho de transcrição, e não para conversa geral ou geração, e situa-se na categoria de transcrição em api14. Se já conhece a Mistral pelos seus modelos de linguagem, este é o mesmo fornecedor a aplicar esse trabalho a áudio, com uma tarefa mais estreita e mais previsível: transformar fala gravada em texto escrito.

O modelo recebe áudio como única entrada e devolve uma transcrição como saída. Não aceita prompts de texto nem imagens, por isso não há mistura multimodal a planear. A janela de contexto é de 16.384 tokens, e a saída máxima é de 13.107 tokens. Esse limite de saída é importante na prática porque limita a quantidade de texto transcrito que um único pedido pode devolver, o que por sua vez limita a quantidade de áudio que deve enviar numa só chamada. Gravações longas podem ter de ser divididas em segmentos mais pequenos para que cada resposta fique dentro desse limite.

Como a entrada é áudio e a saída é texto, os usos óbvios são transcrição de reuniões, notas de entrevistas, limpeza de memorandos de voz, captura de aulas e fluxos de legendagem de podcasts ou vídeos em que precisa de uma transcrição escrita antes de qualquer processamento adicional. Também se adequa a pipelines que alimentam transcrições em passos seguintes, como sumarização, indexação para pesquisa ou extração de palavras-chave, uma vez que a saída é texto transcrito simples. Em qualquer situação em que tenha fala gravada e precise dela como texto, este modelo é a escolha direta.

Chama-o através da API compatível com OpenAI da api14 usando o id de modelo "mistralai/voxtral-mini-transcribe". Como a interface segue o formato de transcrição da OpenAI, envia áudio no pedido e recebe a transcrição na resposta, o que significa que os clientes de transcrição da OpenAI existentes normalmente só precisam de alterar o URL base e o id do modelo. O modelo não lista parâmetros suportados, por isso não há controlos de amostragem ou geração para ajustar; mantenha os pedidos simples e confie nas predefinições. Se precisar de comportamento além da transcrição simples, este modelo não é a ferramenta certa, uma vez que produz apenas saída de transcrição e não expõe parâmetros ajustáveis.