Mistral: Voxtral Mini Transcribe

Mistral Voxtral Mini Transcribe är en tal-till-text-modell från Mistral, härledd från Voxtral Mini-familjen. Den är byggd specifikt för transkriberingsarbete snarare än allmän chatt eller generering, och den ligger i transkriberingskategorin på api14. Om du redan känner till Mistral för dess språkmodeller, är detta samma leverantör som tillämpar det arbetet på ljud, med en smalare och mer förutsägbar uppgift: att omvandla inspelat tal till skriven text.

Modellen tar ljud som sin enda indata och returnerar en transkribering som sin utdata. Den accepterar inte textpromptar eller bilder, så det finns ingen multimodalblandning att planera runt. Kontextfönstret är 16 384 tokens, och maximal utdata är 13 107 tokens. Det utdatataket spelar roll i praktiken eftersom det begränsar hur mycket transkriberad text en enskild begäran kan returnera, vilket i sin tur begränsar hur mycket ljud du bör skicka i ett anrop. Långa inspelningar kan behöva delas upp i mindre segment så att varje svar håller sig inom den gränsen.

Eftersom indata är ljud och utdata är text, är de uppenbara användningsområdena mötestranskribering, intervjuanteckningar, rensning av röstmemon, föreläsningsinspelning och undertextningsarbetsflöden för poddar eller video där du behöver en skriven transkription innan vidare bearbetning. Den passar också pipelines som matar transkriptioner till nedströmssteg som sammanfattning, sökindexering eller nyckelordsextraktion, eftersom utdata är vanlig transkriberad text. Överallt där du har inspelat tal och behöver det som text är denna modell den direkta lösningen.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t "mistralai/voxtral-mini-transcribe". Eftersom gränssnittet följer OpenAI:s transkriberingsformat skickar du ljud i begäran och tar emot transkriptionen i svaret, vilket innebär att befintliga OpenAI-transkriberingsklienter vanligtvis bara behöver ändra bas-URL och modell-id. Modellen listar inga parametrar som stöds, så det finns inga styrningar för sampling eller generering att justera; håll begäranden enkla och förlita dig på standardvärdena. Om du behöver beteende utöver vanlig transkribering är denna modell inte rätt verktyg, eftersom den endast producerar transkriberingsutdata och inte exponerar några justerbara parametrar.