Felhasználási esetek hangátírásra
Ezen az oldalon
A tanfolyam frissítve: 2026. november 3., Voxtral 3 verzió, a Mistral Áttérés a Voxtral 2-ről útmutatója alapján: a 2026. október 31-én elavulttá és 2027. április 30-án véglegesen kivont Voxtral 2 modelleket (
voxtral-mini-2602,voxtral-mini-transcribe-realtime-2602,voxtral-mini-tts-2603) a példákban avoxtral-mini-transcribe-3,voxtral-mini-transcribe-realtime-3ésvoxtral-mini-tts-3-0modellek váltják fel. Főbb változások: kizárólag szegmentum szintű időbélyegzés érhető el (awordparaméter 400-as hibát eredményez), valós idejű beszélőazonosítás támogatása, valós idejű munkamenet-beállítások, amelyek az első hangcsomag után rögzülnek, valamint rugalmascontext_biasbemenetek (szóközöket tartalmazó kifejezések). Források: Áttérés a Voxtral 2-ről · Beszédfelismerés.
Miért automatizáld a hangátírást?
Az automatikus átírás hangfolyamot strukturált, használható szöveggé alakít. A Voxtral jelenlegi teljesítménye mellett a hibaráta olyan alacsony, hogy számos professzionális környezetben közvetlenül felhasználható, kimerítő proofreading nélkül. Ez a részlet megváltoztatja a gazdasági egyenletet: amíg soronkénti átnézés szükséges, addig az automatizálás csupán eltolja a munkát, nem pedig megszünteti azt.
Az alábbi felhasználási esetekben közös vonás, hogy mindegyik egy specifikus API-paraméterre támaszkodik. Ha megtanulod felismerni ezeket, megspórolod azt az időt, amit manuálisan töltenél azzal, amit a modell eleve előállít.
Automatikus feliratozás
A feliratozás a legkézenfekvőbb alkalmazás. A Voxtral Mini Transcribe 3 szegmentum szintű időbélyegzése megadja minden átírási szegmens kezdő és záró időpontját, ami elegendő a beszéddel szinkronizált SRT vagy VTT fájlok generálásához. Ezt a kimenetet a timestamp_granularities=["segment"] paraméterrel engedélyezed; a Voxtral 2-ben elérhető szószintű időbélyegzés most 400-as hibát eredményez. Ha egy szegmens túl hosszú a képernyőhöz, azt kliens oldalon tovább bonthatod.
A gyakorlatban egy e-learning szervezet ezzel feliratozza videokatalógusát, egy kormányzati ügynökség hozzáférhetővé teszi a tartalmakat a siket és nagyothalló felhasználók számára, egy kiadó pedig feliratokat készít több nyelven az átírás és fordítás láncolásával. Élő webináriumok vagy konferenciák esetén az igény ugyanaz, de itt a Voxtral Realtime-ra van szükség, mivel a fájl nem áll rendelkezésre abban a pillanatban, amikor a feliratoknak meg kell jelenniük.
Példa: SRT feliratok generálása
from mistralai.client import Mistral
client = Mistral(api_key="YOUR_API_KEY")
with open("video_audio.mp3", "rb") as f:
response = client.audio.transcriptions.complete(
model="voxtral-mini-transcribe-3",
file={"content": f, "file_name": "video_audio.mp3"},
timestamp_granularities=["segment"]
)
# SRT fájl generálása: egy felirat szegmentumonként
def to_srt(segments):
srt_lines = []
for idx, seg in enumerate(segments, 1):
srt_lines.append(f"{idx}")
srt_lines.append(f"{format_time(seg.start)} --> {format_time(seg.end)}")
srt_lines.append(seg.text.strip())
srt_lines.append("")
return "\n".join(srt_lines)
def format_time(seconds):
h = int(seconds // 3600)
m = int((seconds % 3600) // 60)
s = int(seconds % 60)
ms = int((seconds % 1) * 1000)
return f"{h:02d}:{m:02d}:{s:02d},{ms:03d}"
Jegyzőkönyv készítése
Az átírás és beszélőazonosítás kombinációja komoly eszközzé teszi a Voxtralt az automatikus jegyzőkönyv-készítéshez. A modell azonosítja az egyes beszélőket, és résztvevőnként strukturált átírást állít elő, míg az egyszerű, lapos átírás arra kényszeríti az olvasót, hogy találgassa, ki beszél. Két paraméter elegendő: diarize=True a beszélők szétválasztásához és timestamp_granularities=["segment"] az időblokkok lekéréséhez.
Egy csapat heti egyeztetéseire, egy igazgatótanács bizottsági üléseire, illetve egy minőségügyi osztály a találkozók történetének archiválására és kereshetővé tételére használja ezt. A beszélőazonosítással ellátott szöveg nyersanyagként szolgál a döntések és feladatok automatikus kinyeréséhez is.
Tipikus munkafolyamat
response = client.audio.transcriptions.complete(
model="voxtral-mini-transcribe-3",
file={"content": audio_file, "file_name": "reunion.mp3"},
diarize=True,
timestamp_granularities=["segment"]
)
# Minden szegmens tartalmazza: beszélő, kezdés, vég, szöveg
for segment in response.segments:
print(f"[{segment.speaker_id}] ({segment.start:.1f}s) {segment.text}")
Az eredményt ezután elküldheted egy LLM-nek (például a Mistral Large 3-nak), hogy kivonja belőle az összefoglalót, a hozott döntéseket és a teendőket.
Podcastok és interjúk
A podcastok és interjúk hosszú formátumú tartalmak – harminc perctől két órán át –, két-öt résztvevővel. A Voxtral a beszélőazonosítás segítségével megkülönbözteti a műsorvezetőt a vendégektől, és a kontextus-biaszing révén tiszteletben tartja a beszélők neveit és a szakterületi zsargont. A leghosszabb felvételeknél tartsd szem előtt a kontextusablak méretét, amely az audio és a szókincs között oszlik meg: a határt meghaladó kérés 400-as hibával elutasításra kerül (semmi sem lesz csonkítva); ilyenkor inkább bontsd fel az audiófájlt.
Egy podcast-producer ezzel teljes átírást generál, amelyet cikként tesz közzé, teljes szöveges indexelést végez kereshető archívumhoz, automatikusan generált műsorjegyzeteket készít, valamint közösségi médiára szabott idézeteket vág ki. Ugyanaz az audiofájl tehát négy különböző deliverable-t táplál.
Digitális akadálymentesítés
Az automatikus átírás a digitális akadálymentesítés egyik pillére, amelyet az európai akadálymentességi törvény (2025. június) ír elő. A videotartalmak feliratozása mostantól jogi követelmény, akárcsak a hangüzenetek szöveges átírása, a hangtartalmak szöveges leírása – ami mellesleg a SEO-nak is kedvez –, valamint a felvételek akadálymentes archiválása.
A Voxtral lehetővé teszi ezeknek a kötelezettségeknek a nagy léptékű automatizálását, ahol a percenkénti határköltség jóval alacsonyabb, mint az emberi átírásé. Több száz órás katalógus esetén ez a különbség a költségvetésből finanszírozott megfelelés és a határozatlan időre elhalasztott projekt között dönt.
Egyéb alkalmazások
| Szektor | Tipikus felhasználási eset |
|---|---|
| Ügyfélszolgálati központok | Ügyfélbeszélgetések átírása és elemzése minőségellenőrzés céljából |
| Egészségügy | Jelentések diktálása kontextus-biaszinggel a szakmai szókincshez |
| Jog | Tárgyalások és tanúvallomások átírása |
| Oktatás | Előadások átírása a hallgatók számára |
| Újságírás | Helyszíni interjúk gyors átírása |
Mielőtt bármilyen kódot írnál, azonosítsd a listából a sajátodhoz legközelebb álló felhasználási esetet, és jegyezd fel a szükséges paramétereket. Nem maga a modell, hanem ez a kombináció határozza meg az eredményed minőségét.
Főbb megállapítások
- A feliratozás szegmentum szintű időbélyegzést használ SRT/VTT fájlok generálásához
- A jegyzőkönyv-készítés ötvözi a beszélőazonosítást és a szegmentált átírást
- A podcastok és interjúk profitálnak a hosszú audió támogatásból (3 óra) és a kontextus-biaszingból
- A digitális akadálymentesítés jogi követelmény, amelynek automatizálásában a Voxtral segít
- Minden felhasználási eset specifikus Voxtral API-paraméterekre támaszkodik