Każijiet ta' Użu għat-Traskrizzjoni tal-Awdjo
F'din il-paġna
Il-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, irtirati fit-31 ta’ Ottubru 2026 u neħħija definittiva 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: timbrar (timestamping) biss fil-livell tas-segment (wordjirritorna żball 400), appoġġ għad-djarizzazzjoni f’ħin reali, is-settings tas-sessjoni f’ħin reali jissakraw wara l-ewwel biċċa awdjo, u inputs flessibbli ta’context_bias(frażijiet b’ispazji). Sorsi: Migrate from Voxtral 2 · Speech to Text.
Għaliex tawtomatizza t-traskrizzjoni tal-awdjo
It-traskrizzjoni awtomatika tikkonverti fluss tal-awdjo f’test strutturat u użabbli. Bil-prestazzjoni attwali ta’ Voxtral, ir-rata ta’ żball hija baxxa biżżejjed għall-użu dirett f’ħafna kuntesti professjonali mingħajr ma tkun meħtieġa reviżjoni eżawrjenti. Dan id-dettall ibiddel l-ekwazzjoni ekonomika: sakemm tibqa’ meħtieġa reviżjoni linja b’linja, l-awtomazzjoni sempliċiment iċċaqlaq ix-xogħol minflok ma teliminah.
Il-każijiet ta’ użu hawn taħt jaqsmu karatteristika komuni: kull wieħed jiddependi fuq parametru speċifiku tal-API. It-tagħlim biex tirrikonoxxihom jiffrankalek milli terġa’ tibni manwalment dak li l-mudell diġà jipproduċi.
Sottotitolar awtomatiku
Is-sottotitolar huwa l-applikazzjoni l-aktar diretta. It-timbrar fil-livell tas-segment ta’ Voxtral Mini Transcribe 3 jipprovdi l-ħin tal-bidu u t-tmiem ta’ kull segment tat-traskrizzjoni, li huwa biżżejjed biex jiġġeneraw fajls SRT jew VTT sinkronizzati mal-kliem. Tattiva din l-output b’timestamp_granularities=["segment"]; it-timbrar fil-livell tal-kelma, disponibbli f’Voxtral 2, issa jirritorna żball 400. Jekk segment huwa twil wisq għall-iskrin, taqsmu aktar fuq in-naħa tal-klijent.
Fil-prattika, organizzazzjoni tal-e-learning tuża dan biex tissottotitola l-katalgu tal-vidjows tagħha, aġenzija governattiva biex tagħmel il-kontenut aċċessibbli għall-utenti trux u dawk bi problemi tas-smigħ, u editur biex jipproduċi sottotitoli multilingwi billi tgħaqqad it-traskrizzjoni mat-traduzzjoni. Għas-seminars jew il-konferenzi fuq l-internet f’ħin reali, il-ħtieġa hija identika iżda timxi lejn Voxtral Realtime, peress li l-fajl mhux disponibbli meta s-sottotitoli jkollhom jidhru.
Eżempju: ġenerazzjoni ta’ sottotitoli SRT
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"]
)
# Iġġenera fajl SRT: sottotitlu wieħed għal kull segment
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}"
Minuti tal-laqgħat
Il-kombinazzjoni ta’ traskrizzjoni + djarizzazzjoni tagħmel lil Voxtral għodda serja għall-minuti awtomatiċi tal-laqgħat. Il-mudell jidentifika kull kelliem u jipproduċi traskrizzjoni strutturata skont il-parteċipant, filwaqt li traskrizzjoni ċatta tifforza lill-qarrej jindovina min qed jitkellem. Biżżejjed żewġ parametri: diarize=True biex tifred il-kelliema u timestamp_granularities=["segment"] biex tikseb blokok ta’ ħin.
Tim juża dan għaċ-check-ins ta’ kull ġimgħa, bord eżekuttiv għal-laqgħat tal-kumitati, u dipartiment tal-kwalità biex jarkivja u jfittex fl-istoriku tal-laqgħat. It-test idjarizzat jservi wkoll bħala materja prima biex jiġu estratti awtomatikament id-deċiżjonijiet u l-oġġetti ta’ azzjoni.
Fluss ta’ ħidma tipiku
response = client.audio.transcriptions.complete(
model="voxtral-mini-transcribe-3",
file={"content": audio_file, "file_name": "reunion.mp3"},
diarize=True,
timestamp_granularities=["segment"]
)
# Kull segment fih: kelliem, bidu, tmiem, test
for segment in response.segments:
print(f"[{segment.speaker_id}] ({segment.start:.1f}s) {segment.text}")
Imbagħad tista’ tibgħat ir-riżultat lil LLM (Mistral Large 3, pereżempju) biex testraġġi sommarju, deċiżjonijiet meħuda, u oġġetti ta’ azzjoni.
Podcasts u intervisti
Il-podcasts u l-intervisti huma kontenut fit-tul—minn tletin minuta sa aktar minn sagħtejn—b’minnejn sa ħames parteċipanti. Voxtral jiddistingwi l-host mill-mistednin bl-użu tad-djarizzazzjoni, u jirrispetta l-ismijiet tal-kelliema u l-ġargon speċifiku għas-suġġett grazzi għall-bias tal-kuntest (context biasing). Għall-iktar rekording twal, żomm f’moħħok it-tieqa tal-kuntest, maqsuma bejn l-awdjo u l-vokabolarju: talba li taqbeżha tiġi miċħuda b’żball 400 (xejn ma jiġi maqtugħ); minflok aqsam l-awdjo.
Produttur tal-podcast juża dan biex jiġġenera traskrizzjoni sħiħa ppubblikata bħala artiklu, indiċjar b’test sħiħ għal arkivji li jistgħu jiġu mfittxija, noti tal-programm iġġenerati awtomatikament, u kwotazzjonijiet lesti biex jiġu maqtugħa għall-midja soċjali. L-istess fajl tal-awdjo għalhekk jipprovdi erba’ deliverables differenti.
Aċċessibbiltà diġitali
It-traskrizzjoni awtomatika hija pilastru tal-aċċessibbiltà diġitali, mandatorja skont l-Att Ewropew dwar l-Aċċessibbiltà (Ġunju 2025). Is-sottotitolar tal-kontenut tal-vidjow issa huwa rekwiżit legali, flimkien mat-traskrizzjoni tal-messaġġi vokali għal test, il-forniment ta’ deskrizzjonijiet testwali tal-kontenut tal-awdjo—li b’mod inċidentali jibbenefika s-SEO—u ż-żamma ta’ arkivji aċċessibbli tar-rekording.
Voxtral jippermettilek tawtomatizza dawn l-obbligi fuq skala kbira, b’kost marġinali għal kull minuta ta’ awdjo ferm aktar baxx mit-traskrizzjoni umana. Għal katalgu ta’ diversi mijiet ta’ sigħat, din hija d-differenza bejn implimentazzjoni ta’ konformità bbudgetjata u waħda posposta għal żmien indefinit.
Applikazzjonijiet oħra
| Settur | Każ ta’ użu tipiku |
|---|---|
| Ċentri tas-sejħiet | Traskrizzjoni u analiżi ta’ konversazzjonijiet mal-klijenti għall-monitoraġġ tal-kwalità |
| Kura tas-saħħa | Dettar ta’ rapporti b’bias tal-kuntest għal vokabolarju speċjalizzat |
| Legali | Traskrizzjoni ta’ smigħiet u depożizzjonijiet |
| Edukazzjoni | Traskrizzjoni ta’ lekċers għall-istudenti |
| Ġurnaliżmu | Traskrizzjoni rapida ta’ intervisti fil-post |
Qabel ma tikteb kwalunkwe kodiċi, identifika l-każ ta’ użu l-aktar qrib tiegħek f’din il-lista u nnota l-parametri li jeħtieġ. Din il-kombinazzjoni—mhux il-mudell waħdu—tiddetermina l-kwalità tar-riżultat tiegħek.
Punti Ewlenin
- Is-sottotitolar juża t-timbrar fil-livell tas-segment biex jiġġenera fajls SRT/VTT
- Il-minuti tal-laqgħat jgħaqqdu d-djarizzazzjoni mat-traskrizzjoni segmentata
- Il-podcasts u l-intervisti jibbenefikaw mill-appoġġ għall-awdjo twil (3 sigħat) u l-bias tal-kuntest
- L-aċċessibbiltà diġitali hija rekwiżit legali li Voxtral jgħin biex jiġi awtomatizzat
- Kull każ ta’ użu jiddependi fuq parametri speċifiċi tal-API ta’ Voxtral