Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Din första transkriberingsförfrågan

Lektion 5 av 16 Uppdaterad 3 november 2026 Utvecklare
På denna sida
  1. Din första transkribering med Voxtral
  2. Förbered miljön
  3. Transkribera en lokal fil
  4. Transkribera från en URL
  5. Övergång till en robust version
  6. Vad svaret innehåller
  7. Viktiga punkter

Kursen uppdaterad den 3 november 2026 för Voxtral 3, baserat på Mistral:s guide Migrate from Voxtral 2: Voxtral 2-modeller (voxtral-mini-2602, voxtral-mini-transcribe-realtime-2602, voxtral-mini-tts-2603), som avvecklades den 31 oktober 2026 och tas bort den 30 april 2027, ersätts i exemplen med voxtral-mini-transcribe-3, voxtral-mini-transcribe-realtime-3 och voxtral-mini-tts-3-0. Viktiga ändringar: tidsstämplar finns endast på segmentnivå (word returnerar ett 400-fel), dialogisering är möjlig i realtid, inställningar för realtidssessioner låses efter det första ljudklippet, och indata för context_bias är fritext (fraser med mellanslag). Källor: Migrate from Voxtral 2 · Speech to Text.

Din första transkribering med Voxtral

Nog med teori. I den här lektionen gör du din första kompletta förfrågan till API:t för offline-transkribering: en lokal ljudfil skickas till Voxtral Mini Transcribe 3 och du bearbetar den returnerade texten. Koden ryms på några få rader, men vi bygger sedan ut den till en robust version lämpad för oövervakad drift.

Förbered miljön

Mistral SDK installeras med ett enda kommando. Verifieringssteget som följer sparar dig från att behöva jaga importfel senare.

# Installera Mistral SDK
pip install mistralai

# Verifiera installationen
python -c "from mistralai.client import Mistral; print('SDK installed')"

Du behöver en API-nyckel från Mistral. Skapa en på console.mistral.ai och lagra den i en miljövariabel istället för att hardkoda den:

export MISTRAL_API_KEY="your-api-key-here"

Transkribera en lokal fil

Här är den kompletta koden för att transkribera en lokal ljudfil:

import os
from mistralai.client import Mistral

# Initiera klienten
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

# Öppna och transkribera ljudfilen
with open("mon_audio.mp3", "rb") as f:
    response = client.audio.transcriptions.complete(
        model="voxtral-mini-transcribe-3",
        file={"content": f, "file_name": "mon_audio.mp3"}
    )

# Visa resultatet
print("=== Transcription ===")
print(response.text)

Det var allt. På fyra rader aktiv kod får du hela transkriberingen av din ljudfil.

Låt oss gå igenom dessa fyra rader. Mistral(api_key=...) skapar klienten med din API-nyckel; detta är objektet du återanvänder för alla efterföljande anrop. open("mon_audio.mp3", "rb") öppnar filen i binärt läge, vilket är obligatoriskt för ljud – utelämnar du b får du ett dekoderingsfel som är svårt att tolka. Parametern file={"content": f, "file_name": "..."} förväntar sig en ordlista som innehåller filobjektet och dess namn; detta namn är inte bara dekorativt, det hjälper servern att identifiera formatet. Slutligen innehåller response.text hela transkriberingen som en sträng.

Transkribera från en URL

Om din ljudfil redan finns värd online använder du file_url istället för file:

import os
from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

response = client.audio.transcriptions.complete(
    model="voxtral-mini-transcribe-3",
    file_url="https://example.com/mon_audio.mp3"
)

print(response.text)

URL:en måste vara offentligt tillgänglig. Mistral-servern laddar ner filen direkt, vilket undviker att routa ljudet genom din maskin när det redan finns i molnet – en betydande bandbreddsbesparing för en katalog på flera hundra filer.

Övergång till en robust version

Det minimala skriptet fungerar för ett test. I produktion måste du hantera saknade filer, oväntade format, saknade nycklar och nätverksfel. Följande skript utför dessa kontroller före anropet och sparar sedan resultatet.

import os
import sys
from pathlib import Path
from mistralai.client import Mistral

def transcrire_audio(chemin_fichier: str) -> str:
    """Transkriberar en ljudfil med Voxtral Mini Transcribe 3."""

    # Kontrollera att filen finns
    fichier = Path(chemin_fichier)
    if not fichier.exists():
        raise FileNotFoundError(f"Fichier introuvable : {chemin_fichier}")

    # Kontrollera filändelsen
    extensions_valides = {".mp3", ".wav", ".flac", ".ogg", ".m4a", ".webm"}
    if fichier.suffix.lower() not in extensions_valides:
        raise ValueError(
            f"Format non supporté : {fichier.suffix}. "
            f"Formats valides : {', '.join(extensions_valides)}"
        )

    # Kontrollera storlek (praktisk gräns: ~200 MB)
    taille_mo = fichier.stat().st_size / (1024 * 1024)
    if taille_mo > 200:
        print(f"Attention : fichier volumineux ({taille_mo:.1f} Mo)")

    # Initiera klienten
    api_key = os.environ.get("MISTRAL_API_KEY")
    if not api_key:
        raise EnvironmentError("Variable MISTRAL_API_KEY non définie")

    client = Mistral(api_key=api_key)

    # Transkribera
    try:
        with open(chemin_fichier, "rb") as f:
            response = client.audio.transcriptions.complete(
                model="voxtral-mini-transcribe-3",
                file={"content": f, "file_name": fichier.name}
            )
        return response.text
    except Exception as e:
        raise RuntimeError(f"Erreur de transcription : {e}")

if __name__ == "__main__":
    if len(sys.argv) < 2:
        print("Usage : python transcrire.py <fichier_audio>")
        sys.exit(1)

    chemin = sys.argv[1]
    print(f"Transcription de : {chemin}")
    print("-" * 50)

    texte = transcrire_audio(chemin)
    print(texte)

    # Spara till textfil
    sortie = Path(chemin).stem + "_transcription.txt"
    Path(sortie).write_text(texte, encoding="utf-8")
    print(f"\nTranscription sauvegardée dans : {sortie}")

Kör det från terminalen genom att skicka filsökvägen:

python transcribe.py meeting_march15.mp3

Skriptet kontrollerar filen, transkriberar den, visar resultatet och sparar automatiskt det till en .txt-fil med samma basnamn. Nu har du stommen för batchbearbetning: loopa över en katalog så blir ditt ljudarkiv ett sökbart textarkiv.

Vad svaret innehåller

Objektet response är inte begränsat till text. Det tillhandahåller också längden på den bearbetade ljudfilen och det språk som modellen identifierat – två användbara uppgifter för att logga dina jobb och upptäcka filer som inte är på förväntat språk.

# Fullständig text
print(response.text)

# Ljudlängd (i sekunder)
print(f"Durée : {response.duration:.1f}s")

# Identifierat språk
print(f"Langue : {response.language}")

Det bästa sättet att bedöma modellens kvalitet är att testa den på din egen röst. Spela in ett röstmeddelande på trettio sekunder till två minuter, kör skriptet ovan och jämför resultatet ord för ord med vad du sa: du ser direkt var de få felen ligger, nästan alltid på egennamn. Upprepa sedan övningen med en fil på ett annat språk, utan att ändra koden, för att observera den automatiska språkidentifieringen i action.

Viktiga punkter

  • Det minimala anropet kräver 4 rader: klient, filöppning, API-anrop, läs resultat
  • Två sändningslägen: lokal fil (file) eller URL (file_url)
  • Filnamnet i ordlistan file hjälper till med formatdetektering
  • I produktion: lägg till felhantering (saknad fil, ogiltigt format, nätverksfel)
  • response.text innehåller alltid hela transkriberingen som en sträng