Offline vs Realtime: Gwida tal-Għażla
F'din il-paġna
Kors aġġornat fit-3 ta’ Novembru 2026 għal Voxtral 3, ibbażat fuq il-gwida Migrate from Voxtral 2 ta’ Mistral: Il-mudelli Voxtral 2 (
voxtral-mini-2602,voxtral-mini-transcribe-realtime-2602,voxtral-mini-tts-2603, ippensjonati fil-31 ta’ Ottubru 2026 u rtirati fit-30 ta’ April 2027) ġew sostitwiti fl-eżempji b’voxtral-mini-transcribe-3,voxtral-mini-transcribe-realtime-3, uvoxtral-mini-tts-3-0. Bidliet ewlenin: it-timstamps huma biss għas-segmenti (wordtirritorna żball 400), id-djarizzazzjoni hija possibbli f’realtime, is-settings tas-sessjoni realtime huma ffissati wara l-ewwel biċċa awdjo, u l-inputs ta’context_biashuma f’forma libera (frażijiet b’spazji permessi). Sorsi: Migrate from Voxtral 2 · Speech to Text.
Żewġ Modalitajiet, Żewġ Filożofiji
Voxtral toffri żewġ approċċi għat-traskrizzjoni li jvarjaw mhux fil-kwalità, iżda fin-natura tagħhom. L-għażla bejniethom mhix dettall ta’ implimentazzjoni li tiddaħħal fl-aħħar ta’ proġett. Din tiddeċiedi l-funzjonijiet disponibbli għalik, kif tikteb il-kodiċi tiegħek, l-ispejjeż li ġġarrab, u l-esperjenza tal-utent li tipprovdi. Din il-lezzjoni tagħtik il-fatti biex tagħmel dik l-għażla, tibqa’ magħha, u anki tgħaqqad iż-żewġ modalitajiet meta jkun sensat.
Tqabbil Sħiħ
| Kriterju | Offline (Batch) | Realtime (Streaming) |
|---|---|---|
| Mudell | Voxtral Mini (jew Small) Transcribe 3 | Voxtral Mini Transcribe Realtime 3 |
| Latenza | Sekondi sa minuti (skont id-durata) | Dewmien konfigurabbli minn 80 ms sa 1.2 s, jew 2.4 s |
| Limitu tal-Awdjo | Tieqa tal-kuntest, maqsuma ma’ context_bias | Sessjoni kontinwa |
| Djarizzazzjoni | Iva, b’timstamps tas-segmenti | Iva, mingħajr timstamps; mhux disponibbli bid-detezzjoni tat-tmiem tad-dawra |
| Kuntest ta’ Biasing | Iva (lista ta’ termini, frażijiet permessi) | Iva, fil-konfigurazzjoni tas-sessjoni |
| Timstamps | Kull segment (ebda livell ta’ kelma) | Le |
| Detezzjoni tat-Tmiem tad-Dawra | Le | Iva |
| Format tal-Awdjo | Formati komuni ta’ fajls | PCM mono ta’ 16-il bit (default 16 kHz) |
| Lingwi | 50 | 45 lingwa u djalett |
| Prezz mill-3 ta’ Novembru 2026 | $0.0035/min (Mini), $0.004/min (Small) | $0.008/min |
| Programmazzjoni | Sinkrona (sempliċi) | Asinkrona (async/await) |
| Każ ta’ Użu Primarju | Fajls irrekordjati | Awdjo live |
Eżami fil-qrib ta’ din it-tabella jiżvela x’jifred verament iż-żewġ modalitajiet. Offline hija l-unika modalità li tagħmel timestamp ta’ kull segment għax tara l-awdjo kollu qabel ma tirrispondi. Realtime hija l-unika modalità li tiskopri t-tmiem tad-dawra u tirritorna t-test waqt li xi ħadd ikun qed jitkellem. M’intix tagħżel bejn verżjoni sħiħa u verżjoni ħafifa. Qed tagħżel bejn żewġ modi kif isservi lill-utent: wara l-fatt, jew fil-mument.
Kif Tagħżel
Offline hija l-għażla ċara kull meta tkun qed tipproċessa fajls tal-awdjo li diġà jeżistu—laqgħat arkvjati, podcasts, intervisti—peress li l-awdjo huwa komplet u m’hemm l-ebda gwadann li taqsmu b’mod artifiċjali. Hija l-unika għażla tiegħek jekk trid tidentifika l-kelliema, peress li d-djarizzazzjoni tibqa’ barra mill-portata għall-istreaming. Hija wkoll l-għażla t-tajba jekk id-dominju tiegħek jeħtieġ vokabolarju speċjalizzat li l-biasing tal-kuntest irid jiggwida, jew jekk għandek bżonn timstamps preċiżi għas-sottotitlu tal-video fil-post-produzzjoni. Fl-aħħar nett, tiffrankalek kwalunkwe konverżjoni minn qabel meta s-sorsi tiegħek jaslu f’formati varji, u ssir l-għażla ovvja meta l-latenza mhix kritika: ipproċessar differit, batches ta’ billejl, pipelines arkvjali.
Realtime isir meħtieġ meta l-awdjo jasal kontinwament, minn mikrofonu jew stream tan-netwerk, li jfisser li m’hemm l-ebda fajl biex tibgħat. Huwa obbligatorju meta r-riżultati jridu jkunu disponibbli f’anqas minn sekonda, bħal ma’ assistent vokali, għodda tad-dettar, jew sottotitlu live għal konferenza jew webinar. Żewġ raġunijiet strateġiċi oħra jistgħu jmexxu l-għażla irrispettivament mil-latenza: dispjeġament on-premise jew fuq it-tarf (edge), possibbli permezz ta’ piżijiet miftuħa, u rekwiżiti ta’ sovranità meta l-ebda data ma tista’ toħroġ mill-infrastruttura tiegħek.
Hemm it-tielet triq, spiss l-aħjar waħda: għaqqad iż-żewġ modalitajiet. Tagħmel sottotitlu ta’ konferenza f’realtime, imbagħad terġa’ tipproċessa r-rekording offline biex tipproduċi sottotitli nodfa u b’timstamps. Turi t-traskrizzjoni live waqt laqgħa, imbagħad tmexxi pass offline b’djarizzazzjoni biex tattribwixxi kull utterazzjoni lill-kelliem tagħha. Tiddetta f’realtime, imbagħad terġa’ tipproċessa l-fajl offline għar-reviżjoni u l-korrezzjonijiet. Realtime isservi lill-mument; offline isservi lid-dokument.
X’Jiswa Kull Modalità
Iż-żewġ modalitajiet ma jaqsmux l-istess struttura ta’ prezzijiet. Mill-April 2026, il-prezzijiet ta’ Mistral AI huma bbażati fuq id-durata tal-awdjo pproċessat. Offline ġeneralment huwa irħas kull minuta għax l-ipproċessar bil-batch huwa ottimizzat, filwaqt li realtime iġorr primjum għall-konnessjoni WebSocket persistenti u l-ipproċessar kontinwu.
Tliet drawwiet inaqqsu l-ispejjeż mingħajr ma jissagrifikaw xejn. Fil-modalità offline, agħmel batch tal-fajls tiegħek biex tillimita n-numru ta’ talbiet API. Fil-modalità realtime, agħlaq il-konnessjoni hekk kif jieqaf il-kلام minflok ma tħalliha miftuħa “għal kull każ”: sessjoni minsija tikkonsma riżorsi mingħajr ma tipproduċi output. L-aktar importanti, dejjem staqsi jekk l-ipproċessar live huwiex verament meħtieġ—jekk realtime ma jżidx valur għall-utent, offline huwa kemm irħas kif ukoll aktar rikk fil-funzjonijiet.
Pipeline Ibrida: Minn Live għar-Rapport
Il-kodiċi hawn taħt juri l-mudell ibridu fil-forma l-aktar komuni tiegħu: laqgħa. Matul is-sessjoni, l-istreaming realtime jipprovdi lid-display: il-parteċipanti jaraw it-test jgħaddi, ħadd ma jistenna. Ladarba tintemm il-laqgħa, l-istess awdjo, issa disponibbli bħala fajl sħiħ, jiġi pproċessat mill-ġdid offline b’diarize=True u timstamps fil-livell tas-segmenti, u jipproduċi rapport li jattribwixxi kull utterazzjoni lill-kelliem tagħha. Iż-żewġ sejħiet ma jikkompetux; huma jissupplimentaw lil xulxin. L-ewwel wieħed iservi l-immedjatezza; it-tieni, it-traċċabbiltà.
import asyncio
import os
from mistralai.client import Mistral
from mistralai.client.models import (
AudioFormat,
TranscriptionStreamTextDelta,
TranscriptionStreamDone
)
async def hybrid_pipeline(realtime_audio_source, complete_file_path):
"""
1. Realtime transcription for immediate display
2. Offline transcription for final report with diarization
"""
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
# Phase 1: Realtime (during the meeting)
print("=== LIVE TRANSCRIPTION ===\n")
audio_format = AudioFormat(encoding="pcm_s16le", sample_rate=16000)
async for event in client.audio.realtime.transcribe_stream(
audio_stream=realtime_audio_source,
model="voxtral-mini-transcribe-realtime-3",
audio_format=audio_format,
target_streaming_delay_ms=800,
):
if isinstance(event, TranscriptionStreamTextDelta):
print(event.text, end="", flush=True)
elif isinstance(event, TranscriptionStreamDone):
break
# Phase 2: Offline (after the meeting)
print("\n\n=== DETAILED ANALYSIS ===\n")
with open(complete_file_path, "rb") as f:
response = client.audio.transcriptions.complete(
model="voxtral-mini-transcribe-3",
file={"content": f, "file_name": complete_file_path},
diarize=True,
timestamp_granularities=["segment"]
)
for seg in response.segments:
print(f"[{seg.speaker_id}] ({seg.start:.1f}s) {seg.text}")
return response
Innota l-vinċolu prattiku li dan il-mudell jimponi: trid tirrekordja l-awdjo parallelment mal-istreaming, peress li l-biċċiet ikkunsmati mill-istreaming realtime ma jinżammux. Ippjana għal din il-kitba fuq id-diska mill-bidu, inkella l-fażi offline ma jkollha xejn biex tipproċessa.
Punti Ewlenin
- Offline jeċċelli għal fajls irrekordjati b’djarizzazzjoni u timstamps
- Realtime jeċċelli għal awdjo live b’latenza ultra-baxxa
- Iż-żewġ modalitajiet jistgħu jiġu kkombinati f’pipeline ibrida
- Offline huwa aktar rikk fil-funzjonijiet (djarizzazzjoni, biasing tal-kuntest, timstamps)
- Realtime huwa aktar flessibbli għad-dispjeġament (piżijiet miftuħa, edge)
- Agħżel ibbażat fuq is-sors tal-awdjo (fajl vs live) u l-funzjonijiet meħtieġa