Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

Réamhrá ar an Tras-scríobh Fíor-Am

Ceacht 9 as 16 Nuashonraithe 3 Samhain 2026 Forbróir
Ar an leathanach seo
  1. Paraidím Nua: Sruthú Fuaime
  2. Cad a Thairgeann an tSamhail Fíor-Ama
  3. Suiteáil
  4. An Formáid Fuaime Riachtanach
  5. An Dá Imeacht Srutha
  6. An Chéad Sampla Iomlán
  7. Cathain a Athrú go Fíor-Am
  8. Príomhphointí

An cúrsa nuashonraithe an 3 Samhain 2026 do Voxtral 3, bunaithe ar threoir Migrate from Voxtral 2 ó 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 ag voxtral-mini-transcribe-3, voxtral-mini-transcribe-realtime-3, agus voxtral-mini-tts-3-0. Príomhathruithe: níl ach stampaí ama deighilte ann (fillfidh word earráid 400), tá dé-aitheantas (diarization) ar fáil i bhfíor-am, tá socruithe seisiúin fíor-amha glasáilte tar éis an chéad smután fuaime, agus tá ionchuir context_bias saorchruthach (frásaí le spásanna). Foinsí: Migrate from Voxtral 2(https://docs.mistral.ai/studio/audio/migrate-from-voxtral-2) · Speech to Text.

Paraidím Nua: Sruthú Fuaime

Go dtí seo, d’oibrigh tú sa mhód as líne: seolann tú comhad fuaime iomlán, fanann tú go ndéanfaidh an tsamhail próiseáil air, agus ansin úsáideann tú an toradh. Oireann an sruth oibre seo do thaifeadtaí atá ann cheana, mar shampla cruinnithe cartlainne, podchraoltaí, nó agallaimh. Teipeann air nuair a thagann fuaim go leanúnach: ní fhanfaidh aon duine go dtí deireadh comhdhála dhá uair an chloig chun na chéad fotheidil a fheiceáil, agus dealróidh cúntóir gutha nach dtuigeann ceist ach tar éis ciúnais fhada mar bhriseadh.

Freagraíonn Voxtral Realtime don riachtanas seo le hailtireacht sruthaithe. Déantar an fuaim a thras-scríobh ar an toirt, focal ar fhocal, agus is paraiméadar inchoigeartaithe é an moill idir fuaim agus téacs, ag titim chomh híseal le 200 milleasoicind. Is athrú meabhrach chomh maith le teicniúil é an t-aistriú: ní smaoiníonn tú ar iarratais aonair a thuilleadh ach ar shruthanna, agus caithfidh do chlár a bheith réidh téacs a fháil ag am ar bith.

Cad a Thairgeann an tSamhail Fíor-Ama

Tugtar faoin aitheantóir voxtral-mini-transcribe-realtime-3 an tsamhail agus tá sí difriúil go bunúsach óna leagan as líne. Faigheann sí smután fuaime agus eisíonn sí blúirí téacs go leanúnach, gan fanacht go deireadh an taifeadta riamh. Rialaítear a moill leis an bparaiméadar target_streaming_delay_ms, a scrúdóidh tú go mionmhinic níos déanaí sa chúrsa seo. Clúdaíonn sí 45 teanga agus canúint, agus is féidir an teanga a shocrú nó a bhrath. Foilsíodh a réamhtheachtaí Giniúna 2, voxtral-mini-transcribe-realtime-2602 (4 bhilliún paraiméadar), mar mheáchain oscailte faoi cheadúnas Apache 2.0 ar Hugging Face Hub le haghaidh suiteáil ceannasach iomlán ar do fhreastalaithe féin.

Le Voxtral 3, tá an bhearna idir feidhmíocht fhíor-am agus an mód as líne beagnach dúnta. Tá dé-aitheantas (diarization) ar fáil—cé nach sa seisiún céanna le braiteadh deiridh an troimhe chéile—mar aon le claonadh comhthéacs (context biasing) agus braiteadh deiridh an troimhe chéile. Fanann dhá dhifríocht: iompraíonn deighleoga an lipéad cainteora ach gan am tosaigh ná deiridh, agus caithfear gach socruithe seisiúin (teanga, foclóir, dé-aitheantas, moill) a sheoladh roimh an gcéad smután fuaime, agus ansin glasáiltear iad. Má éilíonn do chás úsáide stampaí ama cruinne, teastaíonn an mód as líne uait, b’fhéidir mar fhorlíonadh ar an bhfíor-am.

Suiteáil

Ní lódálann Mistral SDK spleáchais sruthaithe go huathoibríoch. Caithfidh tú an breiseán realtime a iarraidh go sonrach, rud a chuireann tacaíocht le haghaidh naisc WebSocket agus próiseáil fuaime neamhshioncrónach leis:

pip install "mistralai[realtime]"

An Formáid Fuaime Riachtanach

Murab ionann agus an mód as líne, a ghlacann raon leathan coimeádán, súileann Voxtral Realtime le sruth amh i bhformáid amháin nach féidir a shárú:

  • Ionchódú: PCM 16-giotán sínithe ord-deireanach beag (pcm_s16le)
  • Ráta samplála: 16,000 Hz (16 kHz)
  • Cainéil: Monó (cainéal amháin)

Ní bac é an srian seo: is é an fhormáid is caighdeánaí atá ar fáil é an formáid seo, agus táirgeann gach uirlis gabhála go dúchasach é, cibé an PyAudio, FFmpeg, nó PulseAudio atá i gceist. Dearbhaíonn tú é uair amháin don chliant, a úsáideann é chun na bearta a sheolann tú a léirmhíniú.

from mistralai.client.models import AudioFormat

# Sainigh an fhormáid fuaime
audio_format = AudioFormat(
    encoding="pcm_s16le",
    sample_rate=16000
)

An Dá Imeacht Srutha

Nuair a dhéanann tú iteráil ar an tras-scríobh, filleann an SDK dhá chineál oibiachta. Eisítear TranscriptionStreamTextDelta do gach blúire tras-scríofa nua agus iompraíonn sé an téacs páirteach is féidir leat a thaispeáint láithreach; is é seo a chumhachtaíonn scáileán an úsáideora. Tagann TranscriptionStreamDone uair amháin go díreach, nuair a chríochnaíonn an sruth fuaime, cibé an ag deireadh comhaid nó nuair a dhúnann an micreafón; cuireann sé in iúl nach bhfuil aon rud eile le teacht agus gur féidir leat an toradh a dhlúthú. Mar sin, oireann do lóic iomlán i lúb neamhshioncrónach a idirdhealaíonn an dá chás seo:

from mistralai.client.models import (
    TranscriptionStreamTextDelta,
    TranscriptionStreamDone
)

async for event in flux_transcription:
    if isinstance(event, TranscriptionStreamTextDelta):
        # Téacs nua ar fáil
        print(event.text, end="", flush=True)
    elif isinstance(event, TranscriptionStreamDone):
        # Tras-scríobh críochnaithe
        print("\n[Críochnaithe]")

An Chéad Sampla Iomlán

Chun cleachtadh a fháil ar an meicníocht gan brath ar mhicreafón, is é an cur chuige is simplí ná sruth a shamhlú ó chomhad atá tiontaithe cheana go PCM. Is gineadóir neamhshioncrónach é an fheidhm lire_fichier_pcm: léann sé an comhad i mbloic agus tugann sé iad ceann ar cheann, díreach mar a dhéanfadh cárta fuaime. Is é an chuid eile den chlár an rud a athúsáidfidh tú níos déanaí gan aon athrú.

import asyncio
import os
from mistralai.client import Mistral
from mistralai.client.models import (
    AudioFormat,
    TranscriptionStreamTextDelta,
    TranscriptionStreamDone
)

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
audio_format = AudioFormat(encoding="pcm_s16le", sample_rate=16000)

async def lire_fichier_pcm(chemin: str, taille_chunk: int = 32000):
    """Léann comhad PCM i smutánna chun sruth a shamhlú."""
    with open(chemin, "rb") as f:
        while True:
            chunk = f.read(taille_chunk)
            if not chunk:
                break
            yield chunk

async def main():
    flux_audio = lire_fichier_pcm("audio.pcm")

    async for event in client.audio.realtime.transcribe_stream(
        audio_stream=flux_audio,
        model="voxtral-mini-transcribe-realtime-3",
        audio_format=audio_format,
    ):
        if isinstance(event, TranscriptionStreamTextDelta):
            print(event.text, end="", flush=True)
        elif isinstance(event, TranscriptionStreamDone):
            print("\n\nTras-scríobh críochnaithe.")

asyncio.run(main())

Má tá do chomhad foinse ina MP3, ní féidir é a sheoladh mar atá sé: tiontaigh é ar dtús le FFmpeg, ag cur na dtrí shaintréith a éilíonn an tsamhail i bhfeidhm.

ffmpeg -i audio.mp3 -f s16le -acodec pcm_s16le -ar 16000 -ac 1 audio.pcm

Cathain a Athrú go Fíor-Am

Tá an critéar roghnúcháin simplí: tá údar le fíor-am nuair atá duine ag fanacht leis an téacs agus an fhuaim á táirgeadh. Baineann sé seo le fotheidealú beo do chomhdháil, seimineár gréasáin, nó cúrsa ar líne, áit a léann an lucht éisteachta agus iad ag éisteacht; le cúntóir gutha, a chaithfidh an t-úsáideoir a thuiscint agus é ag caint chun freagairt gan maoilíní míchompordacha; le deachtú, áit a ndéantar caint ina téacs os comhair súile an chainteora; agus ar deireadh le tras-scríobh comhdhála, nuair a chaithfidh an téacs teacht chun solais de réir mar a labhraítear é. I ngach áit eile, fanann an mód as líne níos saibhre agus níos fusa a chur i bhfeidhm.

Taispeánfaidh na ceachtanna seo a leanas duit conas an micreafón a ghabháil, an mhoill a thiúnadh, agus na cásanna úsáide seo a thógáil ó thús go deireadh.

Príomhphointí

  • Déanann Voxtral Mini Transcribe Realtime 3 tras-scríobh ar fhuaime i mód sruthaithe le moill inchoigeartaithe ó 80 ms go 1.2 s (nó 2.4 s)
  • Formáid fuaime riachtanach: PCM 16-giotán, 16 kHz, monó
  • Dhá chineál imeachta: TextDelta (téacs páirteach) agus Done (deireadh)
  • Suiteáil le pip install "mistralai[realtime]"
  • Clárú neamhshioncrónach ag teastáil (async/await)
  • Dé-aitheantas (gan braiteadh deiridh an troimhe chéile) agus claonadh comhthéacs ar fáil i bhfíor-am, gan stampaí ama deighilte; socruithe glasáilte tar éis an chéad smután fuaime
  • Tá Giniúint 2 den tsamhail fhíor-ama ina meáchain oscailte Apache 2.0, le haghaidh imlonnú ceannasach