Daħla għall-Awdjo f'Mistral AI
F'din il-paġna
Il-kors aġġornat fit-3 ta’ Novembru 2026 għal Voxtral 3, ibbażat fuq il-gwida ta’ Mistral Migrate from Voxtral 2: Il-mudelli Voxtral 2 (
voxtral-mini-2602,voxtral-mini-transcribe-realtime-2602,voxtral-mini-tts-2603, iddeprekati fil-31 ta’ Ottubru 2026 u rtirati fit-30 ta’ April 2027, huma mibdula fl-eżempji b’voxtral-mini-transcribe-3,voxtral-mini-transcribe-realtime-3, uvoxtral-mini-tts-3-0. Bidliet ewlenin: time-stamping biss skont is-segment (wordjirritorna żball 400), dijarizzazzjoni f’ħin reali appoġġjata, settings tas-sessjoni f’ħin reali msakkra wara l-ewwel biċċa awdjo, u inputscontext_biasf’forma ħielsa (frażijiet b’ispazji). Sorsi: Migrate from Voxtral 2 · Speech to Text.
Il-Familja Voxtral: Is-Suite Awdjo ta’ Mistral AI
Mistral AI marret lil hinn mit-test. Bil-familja Voxtral, il-kumpanija Franċiża toffri suite sħiħa ta’ mudelli ddedikati għad-diskors: trascrizzjoni, fehim tal-awdjo, u test-għal-kliem (text-to-speech). Dan il-kors jgħallmek kif tisfrutta dawn il-kapaċitajiet biex tbiddel flussi tal-ħoss f’test verament użabbli, komplet bil-kodiċi Python li jakkumpanjahom.
Ir-rikonoxximent awtomatiku tad-diskors (ASR), jew Speech-to-Text (STT), isaħħaħ għodod ta’ kuljum li x’aktarx tuża. Is-sottotitli fuq vidjows ta’ taħriġ, minuti ta’ laqgħat eżekuttivi, assistenti vokali tas-servizz tal-klijenti, u aċċessibbiltà diġitali fuq siti web pubbliċi jiddependu kollha fuq l-istess teknoloġija bażika. Mistral AI ġġib approċċ sovran, ta’ prestazzjoni għolja u li jirrispetta l-privatezza f’dan l-ispazju—kritiku meta l-awdjo tiegħek ikun fih ismijiet ta’ pazjenti, dejta tal-klijenti, jew deliberazzjonijiet interni.
Żewġ Modi biex Tagħmel Trascrizzjoni
Voxtral jappoġġja żewġ modi li jindirizzaw restrizzjonijiet kompletament differenti. L-ewwel huwa t-trascrizzjoni offline, magħrufa wkoll bħala ipproċessar bil-batch: tibgħat fajl awdjo sħiħ u tirċievi t-trascrizzjoni. Dan il-mod jaqbel għal podcasts irreġistrati, intervisti fil-qasam imtella’ aktar tard fil-jum, jew lekċers arkvjati. Voxtral Mini Transcribe 3 u, għal preċiżjoni ogħla, Voxtral Small Transcribe 3 jittrattaw dan, u joffru dijarizzazzjoni u time-stamping fil-livell tas-segment.
It-tieni huwa t-trascrizzjoni f’ħin reali, jew streaming: l-awdjo jiġi traskritt hekk kif jasol, b’latenza konfigurabbli bejn 80 ms u 1.2 sekonda (jew 2.4 sekondi). Xejn ma huwa rreġistrat minn qabel; kollox iseħħ waqt li l-persuna tkun qed titkellem. Dan il-mod isaħħaħ is-sottotitli għal webinars live, assistenti vokali, jew għodod tad-dettar. Il-mudell Voxtral Mini Transcribe Realtime 3 inbena għal dan. Żomm din id-distinzjoni f’moħħok issa: hija ssuq il-biċċa l-kbira tal-għażliet tekniċi tiegħek matul il-bqija tal-kors.
Lingwi Appoġġjati
Il-mudelli ta’ trascrizzjoni tal-fajls Voxtral 3 ikopru 50 lingwa, filwaqt li l-mudell f’ħin reali jappoġġja 45 lingwa u djalett, inkluż il-Franċiż. Mingħajr parametru language, il-mudell jiskopri awtomatikament il-lingwa tar-reġistrazzjoni; jekk tkun tafha, speċifikaha billi tuża l-kodiċi ta’ żewġ ittri tagħha (eż. fr).
X’Jagħmel Voxtral Lil Hinn mit-Test Raw
It-trascrizzjoni waħedha mhix dejjem biżżejjed. Id-dijarizzazzjoni tidentifika awtomatikament il-kelliema: f’laqgħa ta’ ħames persuni, il-mudell jiddistingwi min tkellem u meta, u jbiddel ħajt ta’ test f’sommarju li jinqara. Il-bias tal-kuntest (Context biasing) jħallik tinjetta vokabolarju speċjalizzat—ismijiet proprji, termini tekniċi, akronimi—sabiex “Kubernetes” jew “GDPR” ma jiġux imħassra f’laqgħa tal-inġinerija.
It-time-stamping fil-livell tas-segment jipprovdi l-ħin tal-bidu u t-tmiem għal kull segment tat-trascrizzjoni, u jippermetti l-ġenerazzjoni ta’ sottotitli sinkronizzati; Voxtral 3 ma jappoġġjax aktar it-time-stamping fil-livell tal-kelma. Ir-reżistenza għall-istorbju (Noise robustness) iżżomm il-preċiżjoni f’ambjenti akustiċi diffiċli: storbju fl-isfond, riverberazzjoni f’kamra tal-laqgħat, jew mikrofoni tal-laptop. Fl-aħħar nett, tista’ tibgħat reġistrazzjonijiet bħala fajls, permezz ta’ URL, jew minn fajls imtella’ qabel, u tirċievi tweġibiet bħala stream, biċċa biċċa.
Konformità u Sovranità
Il-ġenerazzjoni preċedenti tal-mudell f’ħin reali, Voxtral Realtime (voxtral-mini-transcribe-realtime-2602, 4 biljun parametru), hija rilaxxata bħala piżijiet miftuħa (open weights) taħt il-liċenzja Apache 2.0: tista’ tospitaha int stess mingħajr ma tiddependi fuq API esterna, anke wara l-irtirar tagħha mill-API fit-30 ta’ April 2027.
Dan huwa vantaġġ kbir għall-kumpaniji Ewropej li jiffaċċjaw restrizzjonijiet regolatorji stretti fuq l-ipproċessar tad-dejta awdjo: reġistrazzjonijiet ta’ laqgħat, sejħiet tal-klijenti, jew konsultazzjonijiet mediċi qatt ma joħorġu mill-infrastruttura tiegħek.
X’Se Titgħallem
Il-kors isegwi progressjoni sempliċi. Se tibda billi tifhem it-tliet mudelli Voxtral u tagħżel dak it-tajjeb għall-każ ta’ użu tiegħek. Imbagħad, se tittratta t-trascrizzjoni offline, u tkopri l-API, il-parametri tiegħu, id-dijarizzazzjoni, u l-bias tal-kuntest. Wara se tgħaddi għat-trascrizzjoni f’ħin reali: streaming, qbid tal-mikrofonu, u kontroll tal-latency. Se tispiċċa bid-dispjegament tal-produzzjoni, inkluż l-ottimizzazzjoni, l-immaniġġjar tal-iżbalji, u l-ġestjoni tal-ispejjeż. Kull lezzjoni tinkludi kodiċi Python sħiħ u funzjonali li tista’ tħaddem hekk kif inhu.
Punti Ewlenin
- Voxtral hija l-familja ta’ mudelli awdjo ta’ Mistral AI, li tkopri STT u TTS
- Żewġ modi ta’ trascrizzjoni: offline (fajls) u f’ħin reali (streaming, latency konfigurabbli li tibda minn 80 ms)
- 50 lingwa għall-fajls, 45 għal f’ħin reali, inkluż il-Franċiż
- Karatteristiċi avvanzati: dijarizzazzjoni, bias tal-kuntest, time-stamping fil-livell tas-segment, reżistenza għall-istorbju
- Dispjegament sovran possibbli bil-mudell f’ħin reali tat-tieni ġenerazzjoni, disponibbli bħala piżijiet miftuħa taħt Apache 2.0