Optimisation don Táirgeadh
Ar an leathanach seo
An cúrsa nuashonraithe an 3 Samhain 2026 do Voxtral 3, bunaithe ar threoir
Migrate from Voxtral 2ó Mistral: Tá samhlacha Voxtral 2 (voxtral-mini-2602,voxtral-mini-transcribe-realtime-2602,voxtral-mini-tts-2603) tar éis dul in éag an 31 Deireadh Fómhair 2026 agus beidh siad scortha an 30 Aibreán 2027; tá siad athsholáthar sna samplaí agvoxtral-mini-transcribe-3,voxtral-mini-transcribe-realtime-3, agusvoxtral-mini-tts-3-0. Príomhathruithe: níl ach stampaí ama deighilte ar fáil (fillfidhwordearráid 400), tá diarú fíor-ama tacaithe, tá socruithe seisiúin fíor-ama glasáilte tar éis an chéad smután fuaime, agus tá ionchuircontext_biassaorchruthach (frásaí le spásanna). Foinsí:Migrate from Voxtral 2(https://docs.mistral.ai/studio/audio/migrate-from-voxtral-2) · Speech to Text.
Ó Phrótaitíopa go Seirbhís Iontaofa
Tá a fhios agat conas fuaimeanna a thras-scríobh, go hasioncrónach agus i bhfíor-am araon. Is cleachtadh ar fad difriúil é seirbhís a reáchtáil a phróiseálann na céadta comhad in aghaidh an lae gan maoirseacht dhaonna, toisc go mbuaileann sí le rudaí nach bhfeiceann prótaitíopa riamh: comhad truaillithe, cuóta sáraithe, titim líonra le linn uaslódála, nó buaic toirte a spreagann teorannú ráta. Pléann an ceacht seo na cásanna sin ceann ar cheann—láimhseáil earráidí, próiseáil bhaisce, ullmhúchán comhad, agus inbhreathnaitheacht.
Láimhseáil Earráidí a Dhéanann Idirdhealú idir In-aisghabhála agus Marfach
Is é an chéad riail ná gan gach earráid a chóireáil ar an mbealach céanna. Tuilleann titim líonra, am-teorainn, nó briseadh sealadach iarracht athdhéanta; ní shocróidh comhad inléite nó eochair API neamhbhailí riamh iad féin, agus ní dhéanfaidh iad a athdhéanamh ach am a chur amú agus do logaí a thruailliú. Cuireann an timfhilleadh thíos an t-idirdhealú seo i bhfeidhm le túpal eisceachtaí sealadacha: spreagann aon rud in ERREURS_TEMPORAIRES iarracht athdhéanta, ach teipeann gach rud eile láithreach. Sa dá chás, filleann an fheidhm foclóir in ionad eisceacht a ardú, rud a ligeann don phróiseáil bhaisce leanúint leis na comhaid atá fágtha.
import os
import time
import logging
from pathlib import Path
from mistralai.client import Mistral
logger = logging.getLogger("voxtral")
# Exceptions to retry
ERREURS_TEMPORAIRES = (
ConnectionError,
TimeoutError,
OSError,
)
def transcrire_avec_retry(
chemin_audio: str,
max_tentatives: int = 3,
delai_base: float = 2.0,
**kwargs
) -> dict:
"""Transcribes a file with exponential retry."""
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
fichier = Path(chemin_audio)
for tentative in range(1, max_tentatives + 1):
try:
with open(chemin_audio, "rb") as f:
response = client.audio.transcriptions.complete(
model=kwargs.get("model", "voxtral-mini-transcribe-3"),
file={"content": f, "file_name": fichier.name},
**{k: v for k, v in kwargs.items() if k != "model"}
)
return {
"succes": True,
"texte": response.text,
"fichier": chemin_audio,
"tentative": tentative,
}
except ERREURS_TEMPORAIRES as e:
if tentative < max_tentatives:
delai = delai_base * (2 ** (tentative - 1))
logger.warning(
f"Tentative {tentative}/{max_tentatives} échouée "
f"pour {fichier.name} : {e}. "
f"Retry dans {delai:.0f}s"
)
time.sleep(delai)
else:
logger.error(
f"Échec définitif pour {fichier.name} "
f"après {max_tentatives} tentatives : {e}"
)
return {
"succes": False,
"erreur": str(e),
"fichier": chemin_audio,
"tentative": tentative,
}
except Exception as e:
# Non-recoverable error (invalid file, auth, etc.)
logger.error(f"Erreur fatale pour {fichier.name} : {e}")
return {
"succes": False,
"erreur": str(e),
"fichier": chemin_audio,
"tentative": tentative,
}
Déanann an mhoill idir iarrachtaí dúbailt le gach teip—dhá shoicind, ansin ceathair, ansin ocht—chun buailt ar API atá ag streachailt cheana féin a sheachaint. Mar sin féin, tá locht ar an gcúlú easpónantúil seo nuair a bhíonn go leor cliant agat: má theipeann orthu go léir ag an am céanna, déanfaidh siad go léir iarracht arís ag an am céanna, agus buailfidh an tonn an tseirbhís ar fad ag an am céanna. Deisímid é seo le jitter, athrú randamach a chuirtear leis an moill, rud atá leordhóthanach chun na hiarrachtaí a dhíshioncronú.
import random
delai = delai_base * (2 ** (tentative - 1))
jitter = random.uniform(0, delai * 0.25)
time.sleep(delai + jitter)
Baisce Comhad a Phróiseáil gan Maoirseacht
Is cur amú ama é dhá chéad taifeadadh a thras-scríobh ceann i ndiaidh a chéile: caitear an chuid is mó den am ag fanacht ar an líonra. Láimhseálann linn oibrithe iltras-scríbhinní comhthreomhara gan rian a chailleadh ar an dul chun cinn. Scannaíonn an fheidhm thíos fillteán, coinníonn sí eisínteachtaí fuaime aitheanta, cuireann sí gach comhad faoi bhráid an timfhillte athdhéanta a sainmhíníodh thuas, agus scríobhann sí an tras-scríbhinn chomh luath agus a thagann sí seachas ag an deireadh: má thuairteálann an próiseas leathbhealaigh tríd, tá an méid a próiseáladh cheana féin ar an diosca. Déanann tuarascáil JSON achoimre ar ráthaíochtaí agus ar theipeanna, rud a ligeann duit ach an méid a theip a atosú.
import os
import json
import logging
from pathlib import Path
from concurrent.futures import ThreadPoolExecutor, as_completed
logger = logging.getLogger("voxtral-batch")
def traiter_batch(
dossier_audio: str,
dossier_sortie: str,
max_workers: int = 4,
**kwargs_transcription
):
"""Transcribes all audio files in a folder in parallel."""
dossier = Path(dossier_audio)
sortie = Path(dossier_sortie)
sortie.mkdir(parents=True, exist_ok=True)
# Find all audio files
extensions = {".mp3", ".wav", ".flac", ".ogg", ".m4a", ".webm"}
fichiers = [
f for f in dossier.iterdir()
if f.suffix.lower() in extensions
]
if not fichiers:
logger.warning(f"Aucun fichier audio dans {dossier_audio}")
return []
logger.info(f"Traitement de {len(fichiers)} fichiers avec {max_workers} workers")
resultats = []
with ThreadPoolExecutor(max_workers=max_workers) as pool:
futures = {
pool.submit(
transcrire_avec_retry,
str(f),
**kwargs_transcription
): f
for f in fichiers
}
for i, future in enumerate(as_completed(futures), 1):
fichier = futures[future]
resultat = future.result()
resultats.append(resultat)
status = "OK" if resultat["succes"] else "ERREUR"
logger.info(
f"[{i}/{len(fichiers)}] {status} — {fichier.name}"
)
# Save the transcription
if resultat["succes"]:
nom_sortie = fichier.stem + ".txt"
(sortie / nom_sortie).write_text(
resultat["texte"], encoding="utf-8"
)
# Final report
succes = sum(1 for r in resultats if r["succes"])
echecs = len(resultats) - succes
logger.info(f"Terminé : {succes} succès, {echecs} échecs")
# Save the report
rapport_path = sortie / "rapport_batch.json"
with open(rapport_path, "w", encoding="utf-8") as f:
json.dump(resultats, f, ensure_ascii=False, indent=2)
return resultats
# Usage
resultats = traiter_batch(
dossier_audio="enregistrements/",
dossier_sortie="transcriptions/",
max_workers=4,
diarize=True,
timestamp_granularities=["segment"]
)
Ná géill don chlaonadh max_workers a mhéadú chun dul níos tapúla. Cuirann API Mistral teorainneacha ar iarratais in aghaidh an nóiméid, agus de ghnáth coinníonn ceathair oibrithe tú faoin tairseach sin. Má fheiceann tú earráidí 429 (Too Many Requests) i do logaí, ní hé an freagra iarracht níos deacra a dhéanamh ach líon na n-oibrithe a laghdú nó moill a thabhairt isteach idir iarratais.
Fuaimeanna a Ullmhú Mionsonraithe
Bíonn tionchar ag formáid na gcomhad a sheolann tú ar an am uaslódála agus ar cháilíocht an téacs a thagann as. Má tá dílseacht ríthábhachtach, fan le WAV nó FLAC, formáidí gan chaillteanas: faigheann an tsamhail an fhaisnéis fuaime iomlán. Don ghnáthúsáid, tairgeann MP3 ag 128 kbps nó níos airde an comhréir is fearr, le cáilíocht atá níos mó ná leordhóthanach do thras-scríobh agus méid comhad réasúnach. Agus nuair is é bandaleithead an srian is mó, tá OGG Vorbis nó MP3 ag 64 kbps inghlactha go hiomlán fós do chaint, rud atá an-difriúil ó cheol sa mhéid seo.
In ionas glacadh le haon fhoirmáid a thagann, normalaigh iad sula seolann tú iad. Cuireann an fheidhm thíos ceathair chlaochlú i bhfeidhm: tiontú go monó, toisc nach gcuireann steiréó aon rud le tras-scríobh; athshamplú go 16 kHz, ráta dúchais Voxtral; ráta giotán socraithe ag 64 kbps, atá leordhóthanach do ghuth; agus loudnorm, a chothromaíonn toirt.
import subprocess
def preparer_audio(chemin_entree: str, chemin_sortie: str = None) -> str:
"""Prepares an audio file for optimal transcription."""
if chemin_sortie is None:
chemin_sortie = chemin_entree.rsplit(".", 1)[0] + "_prep.mp3"
subprocess.run([
"ffmpeg", "-y",
"-i", chemin_entree,
"-ac", "1", # Mono (stereo does not help transcription)
"-ar", "16000", # 16 kHz (Voxtral native rate)
"-b:a", "64k", # 64 kbps (sufficient for speech)
"-af", "loudnorm", # Volume normalization
chemin_sortie
], check=True, capture_output=True)
return chemin_sortie
Tá an gnóthachan dúbailte: laghdaíonn tiontú go monó 16 kHz 64 kbps méideanna comhad go suntasach gan tras-scríobh a dhíghrádú, agus feabhsaíonn loudnorm torthaí go suntasach ar thaifeadtaí le toirt neamhrialta, go hiondúil cruinniú ina bhfuil rannpháirtí amháin i bhfad ón micreafón.
A bheith ar an Eolas faoin Méid atá ar Siúl
Is bosca dubh é seirbhís tras-scríofa gan ionstraimíocht: an lá a dhéanfaidh amanna próiseála dúbailt, beidh tú ar an eolas faoi ó úsáideoir míshásta. Bailigh méid an chomhaid, fad an phróiseála, líon na n-iarrachtaí, agus toirt an téacs a táirgeadh do gach glao, ansin scríobh é go léir mar JSON ar líne amháin, formáid atá inúsáidte go díreach ag comhbhailteoir loga.
import time
import logging
import json
from datetime import datetime
logger = logging.getLogger("voxtral-prod")
def transcrire_avec_metriques(chemin_audio: str, **kwargs) -> dict:
"""Transcribes with metrics collection."""
debut = time.time()
taille_fichier = Path(chemin_audio).stat().st_size
resultat = transcrire_avec_retry(chemin_audio, **kwargs)
duree_traitement = time.time() - debut
metriques = {
"timestamp": datetime.now().isoformat(),
"fichier": chemin_audio,
"taille_octets": taille_fichier,
"duree_traitement_s": round(duree_traitement, 2),
"succes": resultat["succes"],
"tentatives": resultat["tentative"],
}
if resultat["succes"]:
metriques["nb_caracteres"] = len(resultat["texte"])
metriques["nb_mots"] = len(resultat["texte"].split())
ratio = taille_fichier / duree_traitement / 1024
metriques["debit_ko_par_s"] = round(ratio, 1)
# Structured log (JSON)
logger.info(json.dumps(metriques, ensure_ascii=False))
return resultat
Seicliosta Táirgthe
Sula oscailt do sheirbhís don chéad úsáideoir fíor, déan athbhreithniú ar na seacht bpointe seo:
| Réimse | Seic |
|---|---|
| Láimhseáil earráidí | Iarracht athdhéanta le cúlú easpónantúil d’earráidí sealadacha |
| Teorannú ráta | Respect API limits, implement throttling if necessary |
| Monatóireacht | Logaí struchtúrtha, méadrachtaí feidhmíochta, foláirimh ar earráidí |
| Slándáil | Eochair API in athróg timpeallachta, riamh crua-chódaithe sa chód |
| Stóráil | Sábháil tras-scríbhinní go buan, ní hamháin sa chuimhne |
| Formáid fuaime | Normalaigh comhaid mionsonraithe (monó, 16 kHz) |
| Tástáil | Comhaid éagsúla: teangacha, fad, cáilíocht fuaime, líon cainteoirí |
Is é an líne dheireanach an ceann is minice a dhéantar neamhaird air agus an ceann is costasaí. Ní mhúinfidh trí thaifeadadh glan i bhFraincis aon rud duit faoi iompar fíor do sheirbhíse: tóg sampla atá de dhéanamh deacair go diongbháilte, agus faighidh tú amach na socruithe le coigeartú agus tú fós in am.
Príomhphointí
- Cuir iarracht athdhéanta i bhfeidhm le cúlú easpónantúil agus jitter d’earráidí sealadacha
- Úsáid linn oibrithe le haghaidh próiseála baisce (is pointe tosaigh maith é 4 oibrithe)
- Normalaigh do chomhaid go monó 16 kHz le FFmpeg le haghaidh torthaí optamacha
- Bailigh méadrachtaí struchtúrtha le haghaidh monatóireachta táirgthe
- Respect Mistral API rate limiting limits
- Sábháil tras-scríbhinní agus tuarascálacha baisce go córasach