Przejdź do głównej treści
Polski— Wybierz język
Menu

Wprowadzenie do przetwarzania dźwięku w Mistral AI

Lekcja 1 z 16 Zaktualizowano 3 listopada 2026 Programista
Na tej stronie
  1. Rodzina Voxtral: pakiet audio od Mistral AI
  2. Dwa sposoby transkrypcji
  3. Co Voxtral oferuje poza surowym tekstem
  4. Zgodność i suwerenność
  5. Czego się nauczysz
  6. Kluczowe wnioski

Kurs zaktualizowany 3 listopada 2026 r. dla modelu Voxtral 3, na podstawie przewodnika Mistral Migrate from Voxtral 2: modele Voxtral 2 (voxtral-mini-2602, voxtral-mini-transcribe-realtime-2602, voxtral-mini-tts-2603'), wycofane 31 października 2026 r. i całkowicie usunięte 30 kwietnia 2027 r., zostały zastąpione w przykładach modelami voxtral-mini-transcribe-3, voxtral-mini-transcribe-realtime-3orazvoxtral-mini-tts-3-0. Kluczowe zmiany: znaczniki czasu tylko na poziomie segmentów (żądanie wordzwraca błąd 400), obsługa diaryzacji w czasie rzeczywistym, blokada ustawień sesji streamingowej po przesłaniu pierwszego fragmentu audio oraz dowolne dane wejściowe dlacontext_bias` (frazy zawierające spacje). Źródła: Migrate from Voxtral 2 · Speech to Text.

Rodzina Voxtral: pakiet audio od Mistral AI

Mistral AI wyszło poza ramy samego tekstu. Dzięki rodzinie modeli Voxtral, francuska firma oferuje kompletny zestaw narzędzi dedykowanych mowie: transkrypcji, rozumieniu audio oraz syntezie mowy (tekst na mowę). W tym kursie nauczysz się wykorzystywać te możliwości, aby przekształcać strumienie dźwiękowe w użyteczny tekst, wraz z gotowym kodem w języku Python.

Automatyczne rozpoznawanie mowy (ASR), czyli zamiana mowy na tekst (STT), napędza narzędzia, z których prawdopodobnie korzystasz na co dzień. Napisy w filmach szkoleniowych, protokoły ze spotkań zarządu, asystenci głosowi w obsłudze klienta czy cyfrowa dostępność na stronach publicznych – wszystkie opierają się na tej samej technologii bazowej. Mistral AI wnosi do tej przestrzeni podejście suwerenne, wysokowydajne i szanujące prywatność. Jest to kluczowe, gdy Twoje nagrania zawierają imiona pacjentów, dane klientów lub wewnętrzne deliberacje.

50
Języków (pliki)
80 ms
Minimalne opóźnienie w czasie rzeczywistym
3
Modele Voxtral STT

Dwa sposoby transkrypcji

Voxtral obsługuje dwa tryby, które odpowiadają zupełnie innym ograniczeniom. Pierwszy to transkrypcja offline, znana również jako przetwarzanie wsadowe: wysyłasz gotowy plik audio i otrzymujesz jego transkrypcję. Tryb ten idealnie nadaje się do nagranych podcastów, wywiadów terenowych przesyłanych później w ciągu dnia czy zarchiwizowanych wykładów. Zajmują się tym modele Voxtral Mini Transcribe 3 oraz, dla wyższej dokładności, Voxtral Small Transcribe 3, oferujące diaryzację i znaczniki czasu na poziomie segmentów.

Drugi tryb to transkrypcja w czasie rzeczywistym, czyli streaming: audio jest transkrybowane w miarę jego napływania, z konfigurowalnym opóźnieniem od 80 ms do 1,2 sekundy (lub 2,4 sekundy). Nic nie jest wcześniej nagrane; wszystko dzieje się w trakcie mówienia osoby. Tryb ten zasila napisy na żywo podczas webinarów, asystentów głosowych czy narzędzia do dyktowania. Model Voxtral Mini Transcribe Realtime 3 został stworzony właśnie do tego celu. Miej to rozróżnienie stale na uwadze: determinuje ono większość Twoich wyborów technicznych w dalszej części kursu.

Obsługiwane języki

Modele Voxtral 3 do transkrypcji plików obsługują 50 języków, podczas gdy model czasu rzeczywistego wspiera 45 języków i dialektów, w tym język polski. Bez parametru language model automatycznie wykrywa język nagrania; jeśli go znasz, określ go za pomocą dwuliterowego kodu (np. pl).

Co Voxtral oferuje poza surowym tekstem

Sama transkrypcja nie zawsze wystarcza. Diaryzacja automatycznie identyfikuje prelegentów: podczas pięcioosobowego spotkania model rozróżnia, kto i kiedy mówił, zamieniając ścianę tekstu w czytelne podsumowanie. Biasowanie kontekstu (context biasing) pozwala wprowadzić wyspecjalizowane słownictwo – nazwy własne, terminy techniczne, akronimy – aby słowa takie jak „Kubernetes“ czy „RODO“ nie zostały zniekształcone podczas spotkania inżynierskiego.

Znaczniki czasu na poziomie segmentów dostarczają czasu rozpoczęcia i zakończenia dla każdego segmentu transkrypcji, co umożliwia generowanie zsynchronizowanych napisów; Voxtral 3 nie obsługuje już znaczników czasu na poziomie pojedynczych wyrazów. Odporność na szumy utrzymuje wysoką dokładność w trudnych warunkach akustycznych: hałasie w tle, pogłosie sali konferencyjnej czy przy użyciu mikrofonów laptopowych. Możesz wreszcie przesyłać nagrania jako pliki, poprzez adres URL lub z wcześniej przesłanych plików, a odpowiedzi otrzymywać jako strumień, fragment po fragmencie.

Zgodność i suwerenność

Poprzednia generacja modelu czasu rzeczywistego, Voxtral Realtime (voxtral-mini-transcribe-realtime-2602, 4 miliardy parametrów), została wydana jako open weights na licencji Apache 2.0: możesz hostować go we własnym zakresie, nie polegając na zewnętrznym API, nawet po jego wycofaniu z API 30 kwietnia 2027 r.

To ogromna przewaga dla europejskich firm mierzących się ze ścisłymi wymogami regulacyjnymi dotyczącymi przetwarzania danych audio: nagrania ze spotkań, rozmowy z klientami czy konsultacje medyczne nigdy nie opuszczają Twojej infrastruktury.

Czego się nauczysz

Kurs podąża prostą ścieżką. Zaczniesz od zrozumienia trzech modeli Voxtral i wyboru właściwego dla swojego przypadku użycia. Następnie zajmiesz się transkrypcją offline, omawiając API, jego parametry, diaryzację i biasowanie kontekstu. Potem przejdziesz do transkrypcji w czasie rzeczywistym: streamingu, przechwytywania dźwięku z mikrofonu i kontroli opóźnień. Na koniec zajmiemy się wdrożeniem produkcyjnym, obejmującym optymalizację, obsługę błędów i zarządzanie kosztami. Każda lekcja zawiera kompletny, działający kod w Pythonie, który możesz uruchomić bez zmian.

Kluczowe wnioski

  • Voxtral to rodzina modeli audio od Mistral AI, obejmująca STT i TTS
  • Dwa tryby transkrypcji: offline (pliki) i czas rzeczywisty (streaming, konfigurowalne opóźnienie od 80 ms)
  • 50 języków dla plików, 45 dla czasu rzeczywistego, w tym język polski
  • Zaawansowane funkcje: diaryzacja, biasowanie kontekstu, znaczniki czasu na poziomie segmentów, odporność na szumy
  • Możliwe suwerenne wdrożenie dzięki modelowi czasu rzeczywistego drugiej generacji, dostępnemu jako open weights na licencji Apache 2.0