Voxtral Mini Transcribe 3

Voxtral Mini Transcribe 3 — компактная модель Mistral для преобразования аудиозаписей в текст. Она распознаёт более 50 языков, может отмечать временные метки и разделять речь по говорящим. Для отраслевых терминов и имён можно передать контекстный словарь, чтобы уменьшить ошибки в важных словах.

Транскрибация записей и встреч

Модель принимает аудиофайл и возвращает текстовую расшифровку. В зависимости от задачи к ней можно добавить временные метки, чтобы связать фрагменты текста с моментом в записи, а также идентификаторы говорящих. Это подходит для обработки интервью, звонков, встреч и голосовых заметок.

Контекст для терминов и имён

Если в записи звучат названия продуктов, фамилии или профессиональная лексика, разработчик может передать модели список ключевых выражений. Такой приём называется контекстным смещением: он помогает распознаванию учитывать словарь конкретной компании без отдельного дообучения.

Качество и стоимость

На странице модели Mistral указывает контекст 32K и цену 0,0035 доллара за минуту аудио. В релизе компания сообщает, что Mini занимает третье место на FLEURS по многоязычному распознаванию и точности диаризации на английском. Эти показатели опубликованы разработчиком и зависят от конфигурации бенчмарка.

Доступ и связанные модели

Модель доступна через API Mistral; семейство Voxtral 3 также можно развернуть на собственной инфраструктуре в поддерживаемых конфигурациях. Для потокового распознавания в разговоре есть отдельная Realtime-версия, а более крупная модель для сложного пакетного распознавания описана на странице Voxtral Small Transcribe 3. Другие модели разработчика собраны в Вики Futuretools.

Официальная документация

Технические параметры, API-идентификатор и стоимость опубликованы в карточке модели Mistral; обзор семейства — в анонсе Voxtral 3.