Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Sinu esimene transkriptsioonikõne

Õppetund 5 / 16 Värskendatud 3. november 2026 Arendajatele
Sellel lehel
  1. Sinu esimene transkriptsioon Voxtraliga
  2. Keskkonna ettevalmistamine
  3. Kohaliku faili transkribeerimine
  4. URL-i kaudu transkribeerimine
  5. Liikumine robustse versiooni poole
  6. Mida vastus sisaldab
  7. Peamised punktid

Kursust uuendati 3. novembril 2026 Voxtral 3 jaoks, tuginedes Mistrali juhendile Migrate from Voxtral 2: Voxtral 2 mudelid (voxtral-mini-2602, voxtral-mini-transcribe-realtime-2602, voxtral-mini-tts-2603), mis tunnistati aegunuks 31. oktoobril 2026 ja eemaldatakse 30. aprillil 2027, on näidetes asendatud mudelitega voxtral-mini-transcribe-3, voxtral-mini-transcribe-realtime-3 ja voxtral-mini-tts-3-0. Peamised muudatused: ajatemplid on ainult lõigu tasemel (word tagastab vea 400), diaariseerimine on reaalajas võimalik, reaalaja seansi seaded lukustuvad pärast esimest helilõiku ja context_bias sisendid on vabas vormingus (fraasid tühikutega). Allikad: Migrate from Voxtral 2 · Speech to Text.

Sinu esimene transkriptsioon Voxtraliga

Piisab teooriast. Selles õppetükis teed oma esimese täieliku päringu offline-transkriptsiooni API-le: kohalik helifail saadetakse Voxtral Mini Transcribe 3-le ja sa töötle tagastatud teksti. Kood mahub mõnele reale, kuid seejärel viime selle robustse versioonini, mis sobib automatiseeritud tööks.

Keskkonna ettevalmistamine

Mistrali SDK installitakse ühe käsuga. Järgnev kontrollisamm hoiab sind hiljem importimisvigade otsimisest.

# Installi Mistrali SDK
pip install mistralai

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

Vajad Mistrali API võtit. Loo see aadressil console.mistral.ai ja salvesta see keskkonnamuutujasse, mitte ära kodeeri seda otse koodi:

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

Kohaliku faili transkribeerimine

Siin on täielik kood kohaliku helifaili transkribeerimiseks:

import os
from mistralai.client import Mistral

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

# Ava ja transkribeeri helifail
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"}
    )

# Kuva tulemus
print("=== Transkriptsioon ===")
print(response.text)

See ongi kõik. Nelja aktiivse koodireaga saad oma helifaili täieliku transkriptsiooni.

Vaatame neid nelja rida lähemalt. Mistral(api_key=...) loob kliendi sinu API võtmega; see on objekt, mida kasutad kõigis järgnevates päringutes. open("mon_audio.mp3", "rb") avab faili binaarrežiimis, mis on heli jaoks kohustuslik – b tähe ärajätmine põhjustab dekodeerimisvea, mida on raske tõlgendada. Parameeter file={"content": f, "file_name": "..."} eeldab sõnastikku, mis sisaldab failiobjekti ja selle nime; see nimi ei ole ilu pärast, see aitab serveril vormingut tuvastada. Lõpuks sisaldab response.text täielikku transkriptsiooni stringina.

URL-i kaudu transkribeerimine

Kui sinu helifail on juba veebis majutatud, kasuta file asemel file_url:

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 peab olema avalikult kättesaadav. Mistrali server laeb faili otse alla, mis väldib heli marsruutimist läbi sinu masina, kui see on juba pilves – see säästab oluliselt ribalaiust sadade failide kataloogi puhul.

Liikumine robustse versiooni poole

Minimaalne skript sobib testimiseks. Tootmises pead käsitlema puuduvaid faile, ootamatuid vorminguid, puuduvaid võtmeid ja võrguvigu. Järgnev skript teeb need kontrollid enne päringut ja salvestab seejärel tulemuse.

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

def transcrire_audio(chemin_fichier: str) -> str:
    """Transkribeerib helifaili Voxtral Mini Transcribe 3-ga."""

    # Kontrolli, kas fail on olemas
    fichier = Path(chemin_fichier)
    if not fichier.exists():
        raise FileNotFoundError(f"Fichier introuvable : {chemin_fichier}")

    # Kontrolli laiendit
    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)}"
        )

    # Kontrolli suurust (praktiline piirang: ~200 MB)
    taille_mo = fichier.stat().st_size / (1024 * 1024)
    if taille_mo > 200:
        print(f"Attention : fichier volumineux ({taille_mo:.1f} Mo)")

    # Initsialiseeri klient
    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)

    # Transkribeeri
    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)

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

Käivita see terminalist, edastades faili tee:

python transcribe.py meeting_march15.mp3

Skript kontrollib faili, transkribeerib selle, kuvab tulemuse ja salvestab selle automaatselt .txt faili sama põhinimega. Sul on nüüd olemas partii-töötluse luustik: tee tsükkel üle kataloogi ja sinu heliarhiivist saab otsitav tekstiarhiiv.

Mida vastus sisaldab

response objekt ei piirdu ainult tekstiga. See annab ka töödeldud heli kestuse ja mudeli tuvastatud keele – kaks kasulikku teavet oma tööde logimiseks ja failide tuvastamiseks, mis pole oodatud keeles.

# Täielik tekst
print(response.text)

# Heli kestus (sekundites)
print(f"Durée : {response.duration:.1f}s")

# Tuvastatud keel
print(f"Langue : {response.language}")

Parim viis mudeli kvaliteeti hinnata on testida seda oma häälega. Salvesta 30 sekundi kuni kahe minuti pikkune häälsõnum, käivita ülaltoodud skript ja võrdle tulemust sõna-sõnalt sellega, mida sa ütlesid: näed kohe, kus harvad vead peituvad, peaaegu alati pärisnimedel. Seejärel korda harjutust teises keeles failiga, koodi muutmata, et näha automaatset keeletuvastust tegevuses.

Peamised punktid

  • Minimaalne päring nõuab 4 rida: klient, faili avamine, API väljakutse, tulemuse lugemine
  • Kaks saatmisviisi: kohalik fail (file) või URL (file_url)
  • Failinimi sõnastikus file aitab vormingut tuvastada
  • Tootmises lisa veakäsitlus (puuduv fail, vigane vorming, võrguviga)
  • response.text sisaldab alati täielikku transkriptsiooni stringina