An API Tras-scríofa As Líne
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), a d’éag an 31 Deireadh Fómhair 2026 agus a scorfar an 30 Aibreán 2027, curtha in ionad sna samplaí agvoxtral-mini-transcribe-3,voxtral-mini-transcribe-realtime-3, agusvoxtral-mini-tts-3-0. Príomhathruithe: níl ach stampaí ama deighilte ann (fillfidhwordearráid 400), tá diarú fíor-ama tacaithe, tá socruithe seisiúin fíor-ama glasáilte tar éis an chéad smután fuaime, agus tá iontrálachacontext_biassaorchruthach (frásaí le spásanna). Foinse:Migrate from Voxtral 2(https://docs.mistral.ai/studio/audio/migrate-from-voxtral-2) · Speech to Text.
An críochphointe tras-scríofa
Úsáideann API tras-scríofa as líne Mistral an críochphointe /audio/transcriptions. Is API comhthreomhar é: seolann tú comhad fuaime, fanann an t-iarratas oscailte le linn an phróiseála, agus faigheann tú an tras-scríobh iomlán sa fhreagra. Níl aon ID tasc le polú agus níl aon webhook le cumrú. Simplíonn sé seo do chód go mór, ach caithfidh tú teorainneacha ama fiala a cheadú do chomhaid fhada.
Sula dtosaíonn tú ag códú, déan cinnte go bhfuil trí réamhriachtanas agat: cuntas ardáin Mistral (console.mistral.ai), eochair API gníomhach, agus an SDK Python suiteáilte.
An SDK a shuiteáil
pip install mistralai
Paraiméadair glaonna
Téann gach rud trí client.audio.transcriptions.complete(). Tá dhá pharaiméadar riachtanach, agus tá ceathair roghnach ann. Is iad na paraiméadair roghnacha seo a thiontaíonn tras-scríobh amh ina sheachadadh inúsáidte.
Paraiméadair riachtanacha
model— An t-aithneoir samhla. Maidir le tras-scríobh as líne, úsáid"voxtral-mini-transcribe-3"(molta) nó leagan pinnte mar"voxtral-mini-transcribe-3".filenófile_url— An comhad fuaime le tras-scríobh. Tá dhá rogha agat:file: Foclóir{"content": file_object, "file_name": "name.mp3"}le haghaidh uaslódáil dhíreach.file_url: URL poiblí a dhíríonn ar an gcomhad fuaime.
Is cinneadh ailtireachta é an rogha idir file agus file_url. Má tá do chuid fuaime stóráilte cheana féin i suíomh atá inrochtana go poiblí, seachnaíonn file_url an comhad a ródú trí do fhreastalaí. Má thagann an comhad ó ghléas úsáideora nó ó stóráil phríobháideach, tá uaslódáil dhíreach riachtanach.
Paraiméadair roghnacha
Athraíonn ceithre shocrú roghnach nádúr an aschuir.
Iarrann language cód teanga ISO, mar shampla "fr" nó "en", agus seachnaíonn sé braiteadh uathoibríoch. Cuir i bhfeidhm é seo le haghaidh baisc aonchineálacha, mar shampla catalóg agallamh a rinneadh go hiomlán i bhFraincis, chun cosc a chur ar phas gairid Béarla an tsamhail a athrú i lár an chomhaid. Tabhair faoi deara go bhfuil sé neamh-chomhoiriúnach le timestamp_granularities.
Glacann timestamp_granularities leis an liosta ["segment"] agus spreagann sé filleadh stampaí ama deighleog ar deighleog. Le Voxtral 3, níl an ghránúlacht word ann a thuilleadh agus filleann sé earráid 400. Cumasaíonn an paraiméadar seo comhaid fotheidil atá sioncronaithe le físeán nó pasáistí innéacsaithe i gcomhdháil dhá uair an chloig.
Is booleán é diarize. Nuair a shocraítear é go True, aithníonn an samhail cainteoirí agus sannann sé gach deighleog do cheann acu. I gcás coiste feidhmiúcháin seisear, is é seo an difríocht idir balla téacs gan ainm agus tuarascáil ina bhfuil gach gealltanas in-churtha i leith duine.
Ar deireadh, glacann context_bias le liosta téarmaí—aon fhocal amháin nó frása le spásanna, mar shampla ainm táirge—chun aitheantas ar stór focal sonrach a fheabhsú. Níl líon na n-iontrálacha seasta a thuilleadh, ach roinneann siad an fhuinneog chomhthéacs leis an bhfuaim, mar sin coinnigh an liosta gairid. Éireoidh cruinniú innealtóireachta ina bhfuil téarmaí cosúil le “Kubernetes” agus “GDPR” i bhfad níos inléite leis an socrú seo.
Formáidí fuaime a dtacaítear leo
Glacann Voxtral le formáidí coitianta fuaime, agus is annamh a bheidh ort aon rud a thiontú roimh ré. Má tá amhras ort, féach ar an leathanach Audio formats sa doiciméadú.
| Formáid | Saintréith |
|---|---|
| MP3 | Is coitianta, comhbhrú maith |
| WAV | Gan chomhbhrú, cáilíocht uasta |
| FLAC | Comhbhrú gan chaillteanas |
| OGG | Formáid oscailte, comhbhrú maith |
| M4A / AAC | Formáid Apple, coitianta ar ghutháin phóca |
| WEBM | Formáid gréasáin, coitianta le haghaidh taifeadtaí brabhsálaí |
Is é an fhuinneog chomhthéacs an tsamhla an teorainn ríthábhachtach, a roinntear idir an fhuaim agus an stór focal context_bias. Diúltaítear d’iarratas a sháraíonn an teorainn seo le hearráid 400; ní ghearrann an API an comhad. Do chomhaid an-fhada, mar shampla seimineár a mhaireann lá iomlán, roinn iad sula seolann tú iad, go preferably ag pointí tostáin chun gan abairtí a ghearradh ina leath.
Struchtúr na freagartha
Tá an téacs tras-scríofa ar a laghad sa fhreagra:
response.text # An téacs tras-scríofa iomlán (str)
Má d’iarr tú stampaí ama (timestamp_granularities), áirítear sa fhreagra freisin:
response.segments # Liosta deighleoga le tosú, deireadh, téacs
Má chumasaigh tú diarú (diarize=True), áirítear céannacht an chainteora i ngach deighleog:
segment.speaker_id # Aitheantóir cainteora (str)
segment.start # Am tosaigh i soicindí (float)
segment.end # Am deiridh i soicindí (float)
segment.text # Téacs na deighleoige (str)
Go hachomair, braitheann cruth an oibiachta a fhilltear ar d’iarratas. Teipfidh ar chód a dhéanann athrá ar response.segments gan timestamp_granularities a rith. Déan seiceáil i gcónaí ar chomhsheasmhacht idir do pharaiméadair ionchuir agus do láimhseáil aschuir.
Comhcheangail pharaiméadar
Seo na cúig chomhcheangal bailí a bhuailfidh tú leo is minice, ón gceann is simplí go dtí an ceann is speisialaithe.
# Tras-scríobh simplí (téacs amháin)
client.audio.transcriptions.complete(
model="voxtral-mini-transcribe-3",
file={"content": f, "file_name": "audio.mp3"}
)
# Le teanga fhorchurtha (gan stampaí ama)
client.audio.transcriptions.complete(
model="voxtral-mini-transcribe-3",
file={"content": f, "file_name": "audio.mp3"},
language="fr"
)
# Le stampaí ama deighilte
client.audio.transcriptions.complete(
model="voxtral-mini-transcribe-3",
file={"content": f, "file_name": "audio.mp3"},
timestamp_granularities=["segment"]
)
# Le diarú + stampaí ama
client.audio.transcriptions.complete(
model="voxtral-mini-transcribe-3",
file={"content": f, "file_name": "audio.mp3"},
diarize=True,
timestamp_granularities=["segment"]
)
# Le claonadh comhthéacs
client.audio.transcriptions.complete(
model="voxtral-mini-transcribe-3",
file_url="https://example.com/audio.mp3",
context_bias=["Mistral", "Voxtral", "Corsen", "GDPR"]
)
Ba srian iontach i Voxtral 2 nach bhféadfaí language agus timestamp_granularities a úsáid le chéile sa ghlao céanna. Ní luaitear an srian seo a thuilleadh i ndoiciméadú Voxtral 3; déan seiceáil air seo le tástáil sula mbraitheann tú air.
Fíordheimhniú
Éilíonn gach iarratas eochair API bailí a ritear chuig tógálaí an chliaint. I bhforbairt, is leor argóint dhíreach. Sa táirgeadh, úsáid athróg timpeallachta chun cosc a chur ar an eochair críoch a fháil i do stór Git.
from mistralai.client import Mistral
# Trí argóint dhíreach
client = Mistral(api_key="your-api-key")
# Nó trí athróg timpeallachta (molta don táirgeadh)
import os
os.environ["MISTRAL_API_KEY"] = "your-api-key"
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
Príomhphointí
- Is comhthreomhar é an críochphointe
/audio/transcriptions: seol an comhad, faigh an téacs. - Dhá mhód uaslódála: uaslódáil dhíreach (
file) nó URL poiblí (file_url). - Paraiméadair roghnacha:
language,timestamp_granularities,diarize,context_bias. - I Voxtral 2, bhí
languageagustimestamp_granularitiescomheisiach; ní luaitear é seo a thuilleadh i ndoiciméadú Voxtral 3. - Tacaítear le formáidí coitianta fuaime; is í an fhuinneog chomhthéacs a roinntear idir fuaim agus
context_biasan teorainn (earráid 400 má sháraítear í). - Is féidir diarú agus stampaí ama a chomhcheangal.