Mudelli Voxtral għat-Traskrizzjoni
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, skaduti 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: time-stamping biss skont is-segment (wordjirritorna żball 400), dijaliżazzjoni possibbli f’ħin reali, is-settings tas-sessjoni f’ħin reali jissakkru wara l-ewwel biċċa awdjo, u inputscontext_biasf’forma ħielsa (frażijiet b’ispazji). Sorsi: Migrate from Voxtral 2 · Speech to Text.
Erba’ mudelli, tliet każijiet ta’ użu
Mistral AI toffri diversi mudelli Voxtral għall-ipproċessar tad-diskors, kull wieħed ottimizzat għal kompitu speċifiku: tnejn għal fajls, wieħed għal ħin reali, u wieħed biex tagħmel mistoqsijiet dwar l-awdjo. Li tagħżel il-mudell tajjeb mhix sempliċiment dettall ta’ konfigurazzjoni; dan jiddetermina x’tista’ tagħmel wara—time-stamping, detezzjoni tad-dawriet, risposti streaming. Ħu din id-deċiżjoni l-ewwel, qabel ma tikteb linja waħda ta’ kodiċi.
Voxtral Mini Transcribe 3 — traskrizzjoni ta’ fajls
Dan huwa l-mudell predefinit għat-traskrizzjoni offline: tibgħatlu reġistrazzjoni sħiħa, u huwa jirritorna t-test traskritt. L-identifikatur tal-API tiegħu huwa voxtral-mini-transcribe-3 (alias għal voxtral-mini-transcribe-3-0).
Jappoġġja l-karatteristiċi offline kollha: id-dijaliżazzjoni tidentifika l-kelliema b’time-stamping fuq livell ta’ segment (it-time-stamping fuq livell ta’ kelma ma jeżistix aktar f’Voxtral 3), il-preġudizzju tal-kuntest (context biasing) jdaħħal vokabolarju speċifiku għad-dominju, u r-risposti jistgħu jiġu streaming. Ikopri 50 lingwa u jiswa $0.0035 kull minuta ta’ awdjo mill-3 ta’ Novembru 2026.
Fil-prattika, agħżel dan il-mudell kull meta l-awdjo diġà jeżisti bħala fajl: reġistrazzjonijiet ta’ laqgħat, podcasts, intervisti, lekċers, jew traskrizzjonijiet mediċi u legali.
Eżempju minimu ta’ sejħa
from mistralai.client import Mistral
client = Mistral(api_key="YOUR_API_KEY")
with open("meeting.mp3", "rb") as f:
response = client.audio.transcriptions.complete(
model="voxtral-mini-transcribe-3",
file={"content": f, "file_name": "meeting.mp3"}
)
print(response.text)
Voxtral Small Transcribe 3 — meta l-preċiżjoni tkun importanti
Akbar u aktar preċiż, voxtral-small-transcribe-3 jaħdem bl-istess mod. Mistral jirrakkomanda li tibda bil-mudell Mini u tibdel għal Small biss jekk l-iżbalji jippersistu minkejja l-użu ta’ vokabolarju personalizzat. Jiswa $0.004 kull minuta.
Voxtral Mini Transcribe Realtime 3 — traskrizzjoni f’ħin reali
Dan il-mudell huwa ddisinjat għat-traskrizzjoni streaming. L-identifikatur tal-API tiegħu huwa voxtral-mini-transcribe-realtime-3.
Il-latency tiegħu hija aġġustabbli minn 80 ms sa 1.2 sekonda, jew 2.4 sekonda (target_streaming_delay_ms): l-arkitettura tittraskrivi hekk kif jasal l-awdjo minflok ma tistenna t-tmiem tas-sentenza. Ikopri 45 lingwa u djalett, jiskopri t-tmiem tad-dawriet, u issa jista’ jiddistingwi l-kelliema—imma mhux it-tnejn fl-istess sessjoni. Is-segmenti tiegħu jinkludu tikketti tal-kelliema iżda l-ebda ħin tal-bidu jew tat-tmiem. Jiswa $0.008 kull minuta. Użah għal sottotitoli ħajjin, assistenti tal-vuċi, dettatura, jew biex tittraskrivi konferenza hekk kif iseħħu.
Eżempju minimu ta’ sejħa
from mistralai.client import Mistral
from mistralai.client.models import AudioFormat
client = Mistral(api_key="YOUR_API_KEY")
audio_format = AudioFormat(encoding="pcm_s16le", sample_rate=16000)
async for event in client.audio.realtime.transcribe_stream(
audio_stream=my_audio_stream,
model="voxtral-mini-transcribe-realtime-3",
audio_format=audio_format,
):
print(event.text, end="", flush=True)
Il-ġenerazzjoni preċedenti, voxtral-mini-transcribe-realtime-2602 (4 biljun parametru), tibqa’ disponibbli bħala piżijiet miftuħa (open weights) taħt il-liċenzja Apache 2.0 għall-hosting fuq il-magni tiegħek stess.
Voxtral Small — chat multimodali tal-awdjo
It-tielet mudell ibiddel il-kategorija. Voxtral Small, bl-identifikatur voxtral-small-latest—li għadu mudell tal-ġenerazzjoni 2 fit-tnedija ta’ Voxtral 3, skont id-dokumentazzjoni—mhuwiex traskrittur pur iżda mudell konversazzjonali kapaċi jifhem l-awdjo. Jaċċetta fajl tal-awdjo bħala input f’konversazzjoni ta’ chat u jwieġeb il-mistoqsijiet tiegħek dwar il-kontenut tiegħu, u jgħaqqad il-fehim tal-awdjo mal-ġenerazzjoni tat-test.
Din id-differenza tidher fil-kodiċi: juża l-endpoint /chat/completions, mhux /audio/transcriptions. Mhux se titloblu “ittraskrivi dan il-fajl” iżda pjuttost “agħmel sommarju ta’ din il-konversazzjoni”, “liema baġit ġie msemmi”, jew “il-klijent esprima lment?”.
Eżempju ta’ sejħa
import base64
from mistralai.client import Mistral
client = Mistral(api_key="YOUR_API_KEY")
with open("audio.mp3", "rb") as f:
audio_base64 = base64.b64encode(f.read()).decode("utf-8")
response = client.chat.complete(
model="voxtral-small-latest",
messages=[{
"role": "user",
"content": [
{"type": "input_audio", "input_audio": audio_base64},
{"type": "text", "text": "Summarize this conversation in 3 key points."}
]
}]
)
print(response.choices[0].message.content)
Agħżel f’minuta
Meta tiffaċċja proġett ġdid, staqsi lilek innifsek dwar il-ħtieġa dominanti minflok il-karatteristiċi disponibbli. It-tabella hawn taħt tissorvelja x-xenarji l-aktar komuni.
| Il-ħtieġa tiegħek | Mudell rakkomandat |
|---|---|
| Fajl tal-awdjo rreġistrat, output tat-test | Voxtral Mini Transcribe 3 |
| L-istess bħal hawn fuq, b’iżbalji li jippersistu minkejja l-vokabolarju personalizzat | Voxtral Small Transcribe 3 |
| Identifika l-kelliema b’time-stamp għal kull segment | Voxtral Mini jew Small Transcribe 3 (offline) |
| Ittraskrivi ħaj (mikrofonu, stream tal-awdjo) | Voxtral Mini Transcribe Realtime 3 |
| Agħmel mistoqsijiet dwar l-awdjo | Voxtral Small (chat) |
| Hostja l-mudell int stess | Voxtral Realtime tal-Ġenerazzjoni 2, piżijiet miftuħa |
Żball komuni huwa li tagħżel il-mudell f’ħin reali għax jidher aktar modern, biex imbagħad tiskopri tard fil-proġett li r-rapport mistenni jeħtieġ li jiddatta kull intervent: f’ħin reali, is-segmenti jinkludu l-kelliem iżda mhux il-ħin. Jekk id-deliverable tiegħek irid jgħid “min qal x, u meta”, il-modalità offline tibqa’ l-għażla t-tajba.
Punti Ewlenin
- Voxtral Mini Transcribe 3: traskrizzjoni ta’ fajls b’dijaliżazzjoni, preġudizzju tal-kuntest, u time-stamping fuq livell ta’ segment
- Voxtral Small Transcribe 3: l-istess kapaċitajiet, preċiżjoni ogħla meta l-vokabolarju personalizzat ma jkunx biżżejjed
- Voxtral Mini Transcribe Realtime 3: streaming b’latency aġġustabbli minn 80 ms, detezzjoni tad-dawriet, dijaliżazzjoni mingħajr time-stamping
- Voxtral Small: chat tal-awdjo biex tifhem u tanalizza l-kontenut tar-reġistrazzjonijiet
- 50 lingwa għall-fajls, 45 għal ħin reali, inkluż il-Franċiż