Inleiding tot audio bij Mistral AI
Op deze pagina
Cursus bijgewerkt op 3 november 2026 voor Voxtral 3, gebaseerd op de Mistral-gids Migreren van Voxtral 2: Voxtral 2-modellen (
voxtral-mini-2602,voxtral-mini-transcribe-realtime-2602,voxtral-mini-tts-2603), verouderd op 31 oktober 2026 en buiten gebruik gesteld op 30 april 2027, worden in de voorbeelden vervangen doorvoxtral-mini-transcribe-3,voxtral-mini-transcribe-realtime-3envoxtral-mini-tts-3-0. Belangrijkste wijzigingen: tijdstempeling alleen per segment (wordgeeft een 400-fout), real-time sprekerherkenning ondersteund, real-time sessie-instellingen vergrendeld na het eerste audioblok, en vrijecontext_bias-invoer (zinnen met spaties). Bronnen: Migreren van Voxtral 2 · Spraak naar tekst.
De Voxtral-familie: het audio-aanbod van Mistral AI
Mistral AI gaat verder dan tekst alleen. Met de Voxtral-familie biedt het Franse bedrijf een complete suite van modellen die specifiek zijn ontwikkeld voor spraak: transcriptie, audio-begrip en tekst-naar-spraak. In deze cursus leert u deze mogelijkheden benutten om audiostreams om te zetten in bruikbare tekst, compleet met de bijbehorende Python-code.
Automatische spraakherkenning (ASR), of Speech-to-Text (STT), vormt de basis van alledaagse tools die u waarschijnlijk gebruikt. Ondertiteling bij trainingsvideo’s, notulen van directievergaderingen, voice-assistents voor klantenservice en digitale toegankelijkheid op openbare websites vertrouwen allemaal op dezelfde kerntechnologie. Mistral AI brengt een soevereine, hoogperformante en privacyrespecterende aanpak naar dit domein – cruciaal wanneer uw audio patiëntnamen, klantgegevens of interne beraadslagingen bevat.
Twee manieren om te transcriberen
Voxtral ondersteunt twee modi die volledig verschillende beperkingen adresseren. De eerste is offline transcriptie, ook wel batchverwerking genoemd: u stuurt een compleet audiobestand en ontvangt de transcriptie. Deze modus is geschikt voor opgenomen podcasts, veldinterviews die later op de dag worden geüpload, of gearchiveerde colleges. Voxtral Mini Transcribe 3 en, voor hogere nauwkeurigheid, Voxtral Small Transcribe 3 behandelen dit, met ondersteuning voor sprekerherkenning en tijdstempeling op segmentniveau.
De tweede modus is real-time transcriptie, of streaming: audio wordt getranscribeerd terwijl deze binnenkomt, met een configureerbare latentie tussen 80 ms en 1,2 seconde (of 2,4 seconde). Er is niets vooraf opgenomen; alles gebeurt terwijl de persoon spreekt. Deze modus drijft live ondertiteling voor webinars, voice-assistents of dicteertools aan. Het model Voxtral Mini Transcribe Realtime 3 is hiervoor gebouwd. Houd dit onderscheid goed in gedachten: het stuurt de meeste van uw technische keuzes gedurende de rest van de cursus.
Ondersteunde talen
De Voxtral 3-modellen voor bestandstranscriptie ondersteunen 50 talen, terwijl het real-time model 45 talen en dialecten ondersteunt, waaronder Frans. Zonder de parameter language detecteert het model automatisch de taal van de opname; als u de taal kent, specificeert u deze met de code van twee letters (bijv. fr).
Wat Voxtral doet naast ruwe tekst
Transcriptie alleen is niet altijd voldoende. Sprekerherkenning (diarization) identificeert automatisch sprekers: in een vergadering met vijf personen onderscheidt het model wie wanneer sprak, waardoor een muur van tekst verandert in een leesbare samenvatting. Context-biasing stelt u in om gespecialiseerde vocabulaire in te voeren – eigennamen, technische termen, acroniemen – zodat “Kubernetes” of “AVG” niet verminkt worden tijdens een engineeringvergadering.
Tijdstempeling op segmentniveau geeft de start- en eindtijd voor elk transcriptiesegment, wat gesynchroniseerde ondertitelgeneratie mogelijk maakt; Voxtral 3 ondersteunt geen tijdstempeling meer op woordniveau. Robuustheid tegen ruis behoudt de nauwkeurigheid in uitdagende akoestische omgevingen: achtergrondgeluid, nagalm in vergaderruimtes of laptopmicrofoons. Tot slot kunt u opnames indienen als bestanden, via een URL, of vanuit eerder geüploade bestanden, en antwoorden ontvangen als een stream, blok voor blok.
Compliance en soevereiniteit
De vorige generatie van het real-time model, Voxtral Realtime (voxtral-mini-transcribe-realtime-2602, 4 miljard parameters), is uitgebracht als open weights onder de Apache 2.0-licentie: u kunt dit zelf hosten zonder afhankelijk te zijn van een externe API, zelfs na het buiten gebruik stellen van de API op 30 april 2027.
Dit is een groot voordeel voor Europese bedrijven die te maken hebben met strenge regelgeving rondom de verwerking van audiogegevens: opnames van vergaderingen, klantgesprekken of medische consultaties verlaten nooit uw infrastructuur.
Wat u zult leren
De cursus volgt een rechttoe rechtaan opbouw. U begint met het begrijpen van de drie Voxtral-modellen en het kiezen van het juiste model voor uw use case. Vervolgens gaat u aan de slag met offline transcriptie, waarbij de API, de parameters, sprekerherkenning en context-biasing aan bod komen. Daarna schakelt u over naar real-time transcriptie: streaming, microfoonopname en latentiebeheer. U sluit af met implementatie in productie, inclusief optimalisatie, foutafhandeling en kostenbeheer. Elke les bevat volledige, functionele Python-code die u direct kunt uitvoeren.
Belangrijkste punten
- Voxtral is de familie audiomodellen van Mistral AI, die STT en TTS omvat
- Twee transcriptiemodi: offline (bestanden) en real-time (streaming, configureerbare latentie vanaf 80 ms)
- 50 talen voor bestanden, 45 voor real-time, inclusief Frans
- Geavanceerde functies: sprekerherkenning, context-biasing, tijdstempeling op segmentniveau, robuustheid tegen ruis
- Soevereine implementatie mogelijk met het real-time model van de tweede generatie, beschikbaar als open weights onder Apache 2.0