Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Din første transskriptionskald

Lektion 5 af 16 Opdateret 3. november 2026 Udvikler
På denne side
  1. Din første transskription med Voxtral
  2. Forbered miljøet
  3. Transskribering af en lokal fil
  4. Transskribering fra en URL
  5. Overgang til en robust version
  6. Hvad svaret indeholder
  7. Vigtige pointer

Kurset opdateret 3. november 2026 til Voxtral 3, baseret på Mistrals guide Migrate from Voxtral 2: Voxtral 2-modellerne (voxtral-mini-2602, voxtral-mini-transcribe-realtime-2602, voxtral-mini-tts-2603), der blev udfaset 31. oktober 2026 og fjernet 30. april 2027, erstattes i eksemplerne af voxtral-mini-transcribe-3, voxtral-mini-transcribe-realtime-3 og voxtral-mini-tts-3-0. Vigtige ændringer: Tidsstempler er kun tilgængelige på segmentniveau (word returnerer en 400-fejl), diarisering er mulig i realtid, indstillinger for realtidssessioner låses efter det første lydchunk, og context_bias-input er frit format (sætninger med mellemrum). Kilder: Migrate from Voxtral 2 · Speech to Text.

Din første transskription med Voxtral

Nok teori. I denne lektion skal du foretage dit første komplette kald til offline-transskriptions-API’et: En lokal lydfil sendes til Voxtral Mini Transcribe 3, og du behandler den returnerede tekst. Koden fylder kun få linjer, men vi vil derefter udbygge den til en robust version, der egner sig til ubemandet drift.

Forbered miljøet

Mistral SDK’et installeres med en enkelt kommando. Verifikationstrinnet, der følger, sparer dig for senere at skulle jagte en importfejl.

# Installer Mistral SDK
pip install mistralai

# Verificer installationen
python -c "from mistralai.client import Mistral; print('SDK installed')"

Du får brug for en Mistral API-nøgle. Opret en på console.mistral.ai og gem den i en miljøvariabel i stedet for at hardkode den:

export MISTRAL_API_KEY="your-api-key-here"

Transskribering af en lokal fil

Her er den komplette kode til at transskribere en lokal lydfil:

import os
from mistralai.client import Mistral

# Initialiser klienten
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

# Åbn og transskriber lydfilen
with open("mon_audio.mp3", "rb") as f:
    response = client.audio.transcriptions.complete(
        model="voxtral-mini-transcribe-3",
        file={"content": f, "file_name": "mon_audio.mp3"}
    )

# Vis resultatet
print("=== Transskription ===")
print(response.text)

Det var det hele. Med fire linjer aktiv kode får du den fulde transskription af din lydfil.

Lad os gennemgå disse fire linjer. Mistral(api_key=...) opretter klienten med din API-nøgle; dette er det objekt, du vil genbruge til alle efterfølgende kald. open("mon_audio.mp3", "rb") åbner filen i binær tilstand, hvilket er obligatorisk for lyd – udelader du b, får du en dekodningsfejl, der er svær at tolke. Parameteren file={"content": f, "file_name": "..."} forventer en ordbog, der indeholder filobjektet og dets navn; dette navn er ikke blot dekorativt, det hjælper serveren med at registrere formatet. Endelig indeholder response.text den fulde transskription som en streng.

Transskribering fra en URL

Hvis din lydfil allerede er hostet online, skal du bruge file_url i stedet for file:

import os
from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

response = client.audio.transcriptions.complete(
    model="voxtral-mini-transcribe-3",
    file_url="https://example.com/mon_audio.mp3"
)

print(response.text)

URL’en skal være offentligt tilgængelig. Mistral-serveren downloader filen direkte, hvilket undgår at rute lyden gennem din maskine, når den allerede befinder sig i skyen – en betydelig besparelse af båndbredde ved en katalogisering af flere hundrede filer.

Overgang til en robust version

Det minimale script fungerer til en test. I produktion skal du håndtere manglende filer, uventede formater, manglende nøgler og netværksfejl. Følgende script udfører disse tjek før kaldet og gemmer derefter resultatet.

import os
import sys
from pathlib import Path
from mistralai.client import Mistral

def transcrire_audio(chemin_fichier: str) -> str:
    """Transskriberer en lydfil med Voxtral Mini Transcribe 3."""

    # Tjek at filen eksisterer
    fichier = Path(chemin_fichier)
    if not fichier.exists():
        raise FileNotFoundError(f"Fichier introuvable : {chemin_fichier}")

    # Tjek filtypen
    extensions_valides = {".mp3", ".wav", ".flac", ".ogg", ".m4a", ".webm"}
    if fichier.suffix.lower() not in extensions_valides:
        raise ValueError(
            f"Format non supporté : {fichier.suffix}. "
            f"Formats valides : {', '.join(extensions_valides)}"
        )

    # Tjek størrelse (praktisk grænse: ~200 MB)
    taille_mo = fichier.stat().st_size / (1024 * 1024)
    if taille_mo > 200:
        print(f"Attention : fichier volumineux ({taille_mo:.1f} Mo)")

    # Initialiser klienten
    api_key = os.environ.get("MISTRAL_API_KEY")
    if not api_key:
        raise EnvironmentError("Variable MISTRAL_API_KEY non définie")

    client = Mistral(api_key=api_key)

    # Transskriber
    try:
        with open(chemin_fichier, "rb") as f:
            response = client.audio.transcriptions.complete(
                model="voxtral-mini-transcribe-3",
                file={"content": f, "file_name": fichier.name}
            )
        return response.text
    except Exception as e:
        raise RuntimeError(f"Erreur de transcription : {e}")

if __name__ == "__main__":
    if len(sys.argv) < 2:
        print("Usage : python transcrire.py <fichier_audio>")
        sys.exit(1)

    chemin = sys.argv[1]
    print(f"Transcription de : {chemin}")
    print("-" * 50)

    texte = transcrire_audio(chemin)
    print(texte)

    # Gem til tekstfil
    sortie = Path(chemin).stem + "_transcription.txt"
    Path(sortie).write_text(texte, encoding="utf-8")
    print(f"\nTranscription sauvegardée dans : {sortie}")

Kør det fra terminalen ved at angive filstien:

python transcribe.py meeting_march15.mp3

Scriptet tjekker filen, transskriberer den, viser resultatet og gemmer det automatisk i en .txt-fil med samme grundnavn. Nu har du skelettet til batchbehandling: Iterér over en mappe, og dit lydarkiv bliver til et søgbart tekstarkiv.

Hvad svaret indeholder

response-objektet er ikke begrænset til tekst. Det giver også varigheden af den behandlede lyd og det sprog, som modellen har genkendt – to nyttige oplysninger til logning af dine jobs og til at opdage filer, der ikke er på det forventede sprog.

# Fuldstændig tekst
print(response.text)

# Lydvarighed (i sekunder)
print(f"Durée : {response.duration:.1f}s")

# Genkendt sprog
print(f"Langue : {response.language}")

Den bedste måde at vurdere modellens kvalitet på er at teste den med din egen stemme. Optag en talebesked på tredive sekunder til to minutter, kør scriptet ovenfor, og sammenlign resultatet ord for ord med det, du sagde: Du vil straks se, hvor de sjældne fejl ligger, næsten altid ved egennavne. Gentag derefter øvelsen med en fil på et andet sprog uden at ændre koden for at observere automatisk sproggendkendelse i aktion.

Vigtige pointer

  • Det minimale kald kræver 4 linjer: klient, åbn fil, API-kald, læs resultat
  • To sendemetoder: lokal fil (file) eller URL (file_url)
  • Filnavnet i file-ordbogen hjælper med formatdetektering
  • I produktion skal du tilføje fejlhåndtering (manglende fil, ugyldigt format, netværksfejl)
  • response.text indeholder altid den fulde transskription som en streng