Mistral: Voxtral Mini 3B 2507

Mistral: Voxtral Mini 3B 2507 är en modell för tal- och ljudförståelse från Mistral AI. Den tillhör kategorin transkribering, och dess leverantörsutgivningsdatum är 2026-08-13. Namnet återspeglar dess utformning: en kompakt 3B-modell i Voxtral-serien, versionerad 2507. Om du redan arbetar med Mistral-modeller någon annanstans i din stack, utökar denna den familjen till ljudbearbetning snarare än textgenerering.

Modellen tar ljud som sin indatamodalitet och producerar transkribering som sin utdatamodalitet. Mistral beskriver den som lämplig för transkribering, översättning och kompakta arbetsbelastningar för ljudbearbetning, så det är de uppgifterna du bör planera kring. Leverantörens beskrivning anger inget kontextfönster, och ingen kontextlängd listas för denna modell, så behandla hantering av långformat ljud som något du bör verifiera mot din egen arbetsbelastning snarare än att anta. Den listade maximala utdatan är 0, vilket innebär att du inte bör förlita dig på en dokumenterad utdatatokenbudget när du utformar din pipeline.

De praktiska användningsområdena följer direkt av dessa förmågor. Transkribering är det primära: att omvandla inspelat tal till text. Översättning är det andra, vilket i en ljudmodell vanligtvis innebär att arbeta med tal på ett språk och producera text på ett annat. Det tredje är kompakt ljudbearbetning, en bred beteckning som täcker mindre eller lättare ljuduppgifter där en 3B-modell är en rimlig passform. Eftersom modellen är liten passar den arbetsbelastningar där du vill ha ljudförståelse utan en stor modell, såsom batchtranskriberingsjobb, mötes- eller samtalsinspelningar, och pipelines som matar in transkriberad text i senare steg.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t "mistralai/voxtral-mini-3b-2507". Eftersom gränssnittet är OpenAI-kompatibelt kan du peka en befintlig OpenAI-klient mot api14 och skicka ljudindata på vanligt sätt, med transkribering returnerad som utdata. Observera att inga parametrar som stöds listas för denna modell, så anta inte att justeringsalternativ som temperature eller top_p accepteras. Skicka modell-id:t och dina ljudindata, och kontrollera den aktuella pristabellen på sidan för gällande priser.

När det gäller gränser är fakta här tunna. Det finns ingen angiven kontextlängd och en maximal utdata på 0, så om ditt arbete är beroende av mycket långt ljud eller en garanterad utdatabudget, bekräfta beteendet innan du binder dig. Om du behöver textgenerering snarare än ljudtranskribering passar en textmodell i katalogen bättre. För transkribering, översättning och kompakt ljudbearbetning är denna modell den direkta matchningen.