Claonadh Comhthéacs: Feabhsú Cruinnis
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 díhógraíodh an 31 Deireadh Fómhair, 2026 agus a scoradh 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 dé-iaraitheoireacht (diarization) indéanta i bhfíor-am, tá socruithe seisiúin fíor-ama glasáilte tar éis an chéad smután fuaime, agus tá iontrálachacontext_biassaorchruthach (ceadaítear frásaí le spásanna). Foincí:Migrate from Voxtral 2(https://docs.mistral.ai/studio/audio/migrate-from-voxtral-2) · Speech to Text.
An Fhadhb le Téarmaí Speisialaithe
Déanann samhlacha tras-scríofa oiliúint ar ghnáththeanga. Nuair a bhíonn ainmneacha cearta, aicreainimh, argóit theicniúil, nó téarmaí tionsclaíocha annamh i d’fhuaime, is minic a dhéanann an tsamhail botúin sa tras-scríobh: éiríonn “Voxtral” ina “vox trail”, agus tagann “RGPD” (aicreainimh na Fraince don Rialachán Ginearálta ar Chosaint Sonraí san AE) amach mar “RG PD”. I gcruinniú uair an chloig, carnann na hearráidí seo suas go dtí dosaen, agus is iad na focail sin go díreach a theastaigh uait a bhaint amach.
Réitíonn claonadh comhthéacs (context biasing) an fhadhb seo trí liosta de théarmaí ionchais a sholáthar don tsamhail. Ansin, coigeartaíonn an tsamhail a dóchúlachtaí chun tacaíocht a thabhairt do na téarmaí seo nuair a bhrathann sí san fhuaime iad. Ní hionadú iar-phróiseála uathoibríoch é seo; treoraíonn sé an díchódú le linn an tras-scríofa. Is é an nuansa sin an fáth a bhfanann an toradh nádúrtha.
Claonadh Comhthéacs a Úsáid
Glacann an paraiméadar context_bias le liosta téarmaí: i bPython, liosta teaghrán. Le Voxtral 3, is féidir spásanna a bheith in iontráil – ainm iomlán táirge mar “Alder Creek Design” – agus níl aon teorainn chrua ar líon na n-iontrálacha a thuilleadh. Mar sin féin, roinneann iontrálacha an fhuinneog chomhthéacs leis an bhfuaime: diúltaítear d’iarratas a sháraíonn í (earráid 400), rud a fhágann gur fearr liosta gairid.
import os
from mistralai.client import Mistral
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
with open("reunion_tech.mp3", "rb") as f:
response = client.audio.transcriptions.complete(
model="voxtral-mini-transcribe-3",
file={"content": f, "file_name": "reunion_tech.mp3"},
context_bias=["Voxtral", "Mistral AI", "RGPD", "Kubernetes", "PostgreSQL", "FastAPI"]
)
print(response.text)
Tá an éifeacht láithreach. Gan claonadh comhthéacs, d’fhéadfadh cruinniú innealtóireachta an méid seo a tháirgeadh:
On a déployé le nouveau service sur cubernétisse avec fast API
et la base post grès cul.
Leis an liosta ["Kubernetes", "FastAPI", "PostgreSQL"], éiríonn an abairt chéanna inúsáidte:
On a déployé le nouveau service sur Kubernetes avec FastAPI
et la base PostgreSQL.
Taobh amuigh de mhód fíor-ama, is féidir le hiontráil a bheith ina frása comhthéacs saorchruthach fiú a chuireann síos ar an gcomhrá: “Call to Northwind support regarding an order of Quillara headsets shipped from the Rotterdam warehouse.” Úsáideann an tsamhail é seo chun aitheantas na n-ainmneacha atá ann a threorú.
Liosta Éifeachtach a Thógáil
Tá ceithre theaghlach téarmaí a thuilleann áit sa liosta. Ar dtús, ainmneacha cearta: daoine, cuideachtaí, táirgí – rud ar bith nach bhfuil aon chúis ag an tsamhail a bheith ar an eolas faoi. Ar an dara dul síos, téarmaí teicniúla: aicreainimh, ainmneacha teicneolaíochta, prótacail. Ar an tríú dul síos, argóit thionsclaíoch atá sonrach do do réimse nach bhfuil le fáil i bhfoclóirí ginearálta. Ar deireadh, ainmneacha áiteanna: cathracha, foirgnimh, seomraí cruinnithe, a luaitear go minic agus nach ndéantar tras-scríobh maith orthu go minic.
Braitheann ábhar an liosta go hiomlán ar an gcomhthéacs. Éilíonn cruinniú tosaigh teicneolaíochta foclóir difriúil ó chomhairliúchán leighis nó agallamh i ngnólacht dlí. Seo trí liosta fíor le húsáid mar theimpléid.
Cruinniú tosaigh teicneolaíochta:
context_bias = [
"Mistral AI", "Voxtral", "Claude", "GPT-5.6",
"Kubernetes", "PostgreSQL", "FastAPI", "Redis",
"RGPD", "HIPAA", "SOC 2",
"sprint", "backlog", "user story",
"CI/CD", "Docker", "Terraform"
]
Cleachtas leighis:
context_bias = [
"paracétamol", "ibuprofène", "amoxicilline",
"IRM", "scanner", "échographie",
"glycémie", "hémoglobine", "créatinine",
"Dr Martin", "Dr Dubois",
"CHU Pitié-Salpêtrière"
]
Gnólacht dlí:
context_bias = [
"SARL", "SAS", "SASU",
"article L.225-1", "Code de commerce",
"assignation", "mise en demeure",
"TGI", "Cour d'appel",
"Maître Dupont", "Maître Leroy"
]
Foclóir a Bhainistiú de réir Tionscadail
Ní scálann an liosta a chódú go crua nuair a thagann iliomad cliant nó seirbhísí isteach sa phictiúr. Luchtaíonn an script seo a leanas foclóir ó chomhad JSON, ligeann sé téarmaí ad-hoc a chur leis, agus déanann sé dídhúblú ar an tacar. Ní fhorchuireann sé aon teorainn chrua ós rud é nach bhfuil aon cheann ag Voxtral 3, ach tugann sé rabhadh má tá an liosta ró-fhada: sin é an rud a riosclaíonn an fhuinneog chomhthéacs a shárú.
import os
import json
from pathlib import Path
from mistralai.client import Mistral
ALERT_THRESHOLD = 50 # Marcóir inmheánach: thar an bpointe seo, seiceáil méid an iarratais
def load_vocabulary(config_path: str) -> list[str]:
"""Luchtaíonn foclóir claonta comhthéacs ó chomhad JSON."""
config = json.loads(Path(config_path).read_text(encoding="utf-8"))
terms = list(dict.fromkeys(config.get("terms", [])))
if len(terms) > ALERT_THRESHOLD:
print(f"Rabhadh: {len(terms)} téarma; laghdaíonn liosta fada an "
f"spás atá fágtha don fhuaime san fhuinneog chomhthéacs.")
return terms
def transcribe_with_vocabulary(
audio_path: str,
config_path: str = None,
additional_terms: list = None
) -> str:
"""Déanann sé tras-scríobh le claonadh comhthéacs roghnach."""
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
# Tóg an liosta téarmaí
all_terms = []
if config_path and Path(config_path).exists():
config = json.loads(
Path(config_path).read_text(encoding="utf-8")
)
all_terms.extend(config.get("terms", []))
if additional_terms:
all_terms.extend(additional_terms)
# Dídhúblú agus an t-ord a chaomhnú
all_terms = list(dict.fromkeys(all_terms))
bias = all_terms or None
# Tras-scríobh
with open(audio_path, "rb") as f:
kwargs = {
"model": "voxtral-mini-transcribe-3",
"file": {"content": f, "file_name": Path(audio_path).name}
}
if bias:
kwargs["context_bias"] = bias
print(f"Claonadh comhthéacs gníomhach: {len(all_terms)} téarma")
response = client.audio.transcriptions.complete(**kwargs)
return response.text
# Comhad cumraíochta foclóra vocabulaire.json
# {
# "terms": [
# "Mistral AI", "Voxtral", "Kubernetes",
# "PostgreSQL", "RGPD", "Dr Martin"
# ]
# }
# Úsáid
texte = transcribe_with_vocabulary(
"reunion.mp3",
config_path="vocabulaire.json",
additional_terms=["nouveau_terme", "autre_terme"]
)
print(texte)
Cad a Oibríonn agus Cad nach nOibríonn
Baineann claonadh comhthéacs na torthaí is fearr amach ar théarmaí cruinne, ar leith: ainmneacha cearta, aicreainimh, argóit theicniúil annamh. Glacann sé leis freisin go bhfuil na téarmaí soláthraithe i láthair san fhuaime i ndáiríre – má chuireann tú focail nach labhrófar riamh leis, caolaíonn sé an comhartha gan aon luach a chur leis. Is leor liosta de fiche go caoga téarma dea-roghnaithe i bhformhór na gcásanna.
Os a choinne sin, tá sé gan úsáid focail choitianta a liostú: aithníonn an tsamhail go maith iad cheana féin, agus caitear spás úsáideach. Ní oibríonn abairtí fada go maith; cloígh le focail nó frásaí gairide. Ar deireadh, bí ar an airdeall faoin nós iomlán na nglossaire cuideachta a dhumpáil isteach sa pharaiméadar: báitear na téarmaí sin a raibh tábhacht leo i ndáiríre le foclóir atá ró-leathan.
Pointe faireachais amháin do do thionscadail Fhraincise: tá claonadh comhthéacs optamaithe don Bhéarla, agus déanann Mistral AI cur síos ar thacaíocht do theangacha eile, an Fhraincis san áireamh, mar thurgnamhach. Go praiticiúil, oibríonn sé i gceart d’ainmneacha cearta agus d’aicreainimh i ngach teanga ach d’fhéadfadh sé a bheith níos lú éifeachtach do théarmaí coitianta i dteangacha nach Béarla iad. Déan tástáil ar blúire ionadaíoch sula ndéanann tú ginearálú ar chorpas iomlán.
Príomhphointí
- Feabhsaíonn claonadh comhthéacs aitheantas téarmaí speisialaithe trí
context_bias - Liosta téarmaí (ceadaítear frásaí le spásanna), gan teorainn shocraithe ach faoi shrianta na fuinneoige comhthéacs
- Éifeachtach do: ainmneacha cearta, aicreainimh, argóit theicniúil, ainmneacha áiteanna
- Optamaithe don Bhéarla, tacaíocht thurgnamhach do theangacha eile
- Roghnaigh téarmaí cruinne atá i láthair san fhuaime i ndáiríre
- Úsáid comhad cumraíochta chun foclóir a bhainistiú de réir tionscadail