Stampaí Ama agus Deighilt Amach
Ar an leathanach seo
An cúrsa nuashonraithe an 3 Samhain, 2026 le haghaidh 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 baineadh go hiomlán 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 stampaí ama ach ar leibhéal na míreanna (tugannwordearráid 400), tá dé-údarú (diarization) indéanta i bhfíor-am, 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.
Struchtúrú an Tras-scríofa Thar Am
Tá tras-scríobh amh úsáideach, ach osclaíonn tras-scríobh le stampaí ama deiseanna i bhfad níos saibhre: fotheidliú, nascleanúint ama, sioncronú físeáin, agus eastóscadh pasáistí ar leith. Gan stampaí ama, bheadh ort buille faoi thuairim a dhéanamh chun an nóiméad a pléadh buiséad a aimsiú in taifeadadh dhá uair an chloig; leo, is cuardach téacs é sin agus cliceáil ina dhiaidh sin. Tugann paraiméadar timestamp_granularities de chuid Voxtral an chumhacht seo duit.
Gráinneacht Míre: An Bloc Urlabhra
Is bloc leanúnach urlabhra é mír—de ghnáth abairt nó grúpa abairtí a labhraítear gan mórán sos. Is í seo an ghráinneacht a roghnóidh tú de réir réamhshocraithe toisc go bhfreagraíonn sí don aonad nádúrtha léitheoireachta.
import os
from mistralai.client import Mistral
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
with open("conference.mp3", "rb") as f:
response = client.audio.transcriptions.complete(
model="voxtral-mini-transcribe-3",
file={"content": f, "file_name": "conference.mp3"},
timestamp_granularities=["segment"]
)
# Itrigh trí mhíreanna
for seg in response.segments:
start = f"{seg.start:.1f}s"
end = f"{seg.end:.1f}s"
print(f"[{start} → {end}] {seg.text}")
Seo mar a bheidh an t-aschur:
[0.0s → 4.2s] Hello everyone, thank you for being here today.
[4.5s → 11.8s] We will cover the quarter's results and the outlook for the future.
[12.1s → 18.3s] Let's start with revenue, which has grown by twelve percent.
Tacaíonn an briseadh síos seo le nascleanúint i dtaifeadtaí fada, le taispeáint blocanna fotheideal, agus le hinnéacsú pasáistí: déantar iontráil inchuardaigh de gach mír lena pointe iontrála san fhuaime.
Cad faoi Ghráinneacht Focal?
Bhí Voxtral 2 in ann stampa ama a chur le gach focal freisin (timestamp_granularities=["word"]). Ní thairgeann Voxtral 3 é seo a thuilleadh: filleann an ghráinneacht word earráid 400, agus treoraíonn treoir imirce Mistral d’úsáideoirí aistriú go míreanna. Ní mór do chásanna úsáide a d’éiligh ailíniú focal ar fhocal—fotheidliú stíl karaoke, an focal reatha a aibhsiú, anailís mhionchruinn ar ráta labhartha—brath ar mhíreanna anois, agus b’fhéidir am na míre a dháileadh ar a focail trí mheastachán taobh an chliaint.
def estimer_mots(segment):
"""Dáileann fad míre ar a focail, i gcomhréir lena bhfad (meastachán)."""
mots = segment.text.split()
if not mots or segment.start is None or segment.end is None:
return []
total = sum(len(m) for m in mots)
debut, duree = segment.start, segment.end - segment.start
resultat = []
for mot in mots:
fin = debut + duree * len(mot) / total
resultat.append((round(debut, 2), round(fin, 2), mot))
debut = fin
return resultat
Is neasúchán é seo, úsáideach le haghaidh taispeána céimnithe ach ní le haghaidh anailíse prosaí: má tá ailíniú cruinn focal ríthábhachtach, is é uirlis ailínithe éignithe tiomnaithe a chuirtear i bhfeidhm tar éis an tras-scríofa an réiteach fós.
Fotheidliú SRT a Ghiniúint
Níl aon rún faoin bhformáid SRT: uimhir sheicheamh, raon ama i bhformáid HH:MM:SS,mmm, an téacs, agus líne bhán. Itríonn an fheidhm thíos trí mhíreanna agus roinneann sí iad siúd a sháródh leithead taispeána compordach, socraithe anseo ag seasca carachtar.
def generate_srt_from_segments(segments, max_chars=60):
"""Gineann comhad SRT ó mhíreanna Voxtral."""
srt_lines = []
counter = 1
for seg in segments:
words = seg.text.strip()
if not words:
continue
# Roinn míreanna atá ró-fhada
sub_text = words.split()
word = ""
for format_srt_time in sub_text:
if len(word) + len(format_srt_time) + 1 > max_chars and word:
srt_lines.append(str(counter))
srt_lines.append(
f"{seconds(seg.start)} --> "
f"{seconds(seg.end)}"
)
srt_lines.append(word.strip())
srt_lines.append("")
counter += 1
word = format_srt_time
else:
word += " " + format_srt_time
if word.strip():
srt_lines.append(str(counter))
srt_lines.append(
f"{seconds(seg.start)} --> "
f"{seconds(seg.end)}"
)
srt_lines.append(word.strip())
srt_lines.append("")
counter += 1
return "\n".join(srt_lines)
def seconds(secondes):
"""Tiontaíonn soicind go formáid SRT (HH:MM:SS,mmm)."""
h = int(secondes // 3600)
m = int((secondes % 3600) // 60)
s = int(secondes % 60)
ms = int((secondes % 1) * 1000)
return f"{h:02d}:{m:02d}:{s:02d},{ms:03d}"
# Úsáid
srt_contenu = generate_srt_from_segments(response.segments)
with open("sous_titres.srt", "w", encoding="utf-8") as f:
f.write(srt_contenu)
print("SRT file generated successfully")
Nascleanúint i dTaifeadtaí Fada
Is feidhm dhíreach eile de mhíreanna ná achoimre ama a thógáil. Marcálann an script seo seicphointe gach cúig nóiméad agus taispeánann sé an chéad chúpla focal, rud a thugann léarscáil den taifeadadh don léitheoir sula n-éisteann sé leis fiú.
def create_temporal_index(segments, interval_minutes=5):
"""Cruthaíonn innéacs gach N nóiméad."""
index = []
next_milestone = 0
for seg in segments:
if seg.debut >= next_milestone * 60:
minutes = int(seg.debut // 60)
seconds = int(seg.debut % 60)
preview = seg.text[:80] + "..." if len(seg.text) > 80 else seg.text
index.append(f"[{minutes:02d}:{seconds:02d}] {preview}")
next_milestone = minutes + interval_minutes
return index
# Úsáid
for entry in create_temporal_index(response.segments, interval_minutes=5):
print(entry)
Le Voxtral 2, bhí timestamp_granularities neamh-chomhoiriúnach leis an bparaiméadar language. Ní luaitear an srian seo a thuilleadh i ndoiciméadú Voxtral 3: déan seiceáil air le tástáil sula gcomhcheanglaíonn tú an dá cheann i bpróiseáil táirgeachta.
Príomhphointí
- Níl ach gráinneacht amháin le Voxtral 3:
"segment"(fillíonn"word"earráid 400) - Má tá gá le hailíniú focal ar fhocal, déantar meastachán air ó mhíreanna nó láimhsíonn uirlis ailínithe é
- Tá stampaí ama i soicind (uimhreacha deachúlacha), le
startagusenddo gach mír - Oiriúnach go hiontach le haghaidh fotheidliú SRT/VTT, nascleanúint ama, agus innéacsú
- Níl an neamh-chomhoiriúnacht le
languageó Voxtral 2 doiciméadaithe a thuilleadh: déan seiceáil air le tástáil