Voxtral Small принимает на вход речь: расшифровывает аудио, переводит, отвечает на вопросы по записи и пересказывает её. Ответ выдаётся текстом.
Модель Mistral: Voxtral Small 24B 2507 доступна через OpenAI-совместимый API Apikley из России без VPN, с оплатой в рублях: от 27 ₽ / 1M токенов.
Voxtral Small 24B 2507 — модель Mistral AI, построенная на Mistral Small 3 с добавленным слуховым входом. Помимо текста она принимает аудио и файлы, а отвечает текстом. Разработчик выделяет три режима: чистая расшифровка речи, вопросы по записи и пересказ. Длительность записи ограничена контекстом в 32 768 токенов. По данным Mistral AI, это до 30 минут при расшифровке и до 40 минут при анализе содержания. Ответ может быть длиной около 26 тысяч токенов. Язык исходной речи определяется автоматически, заявлены английский, испанский, французский, португальский, хинди, немецкий, нидерландский и итальянский. Веса открыты под Apache 2.0. Разработчик описывает и запуск функций по голосовой команде, но называет эту возможность экспериментальной. По цене модель из нижней трети.
OpenAI-совместимый API: POST https://api.apikley.ru/v1/chat/completions, ID модели mistralai/voxtral-small-24b-2507. Подойдёт официальный SDK OpenAI с базовым адресом https://api.apikley.ru/v1.
curl https://api.apikley.ru/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model": "mistralai/voxtral-small-24b-2507",
"messages": [
{
"role": "user",
"content": "Объясните, что такое API, в двух предложениях."
}
]
}'from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apikley.ru/v1")
response = client.chat.completions.create(
model="mistralai/voxtral-small-24b-2507",
messages=[{"role": "user", "content": "Объясните, что такое API, в двух предложениях."}],
)
print(response.choices[0].message.content)Разработчик называет восемь: английский, испанский, французский, португальский, хинди, немецкий, нидерландский и итальянский. Русский среди них не указан, поэтому проверьте качество на своих записях.
По данным Mistral AI, до 30 минут для расшифровки и до 40 минут для анализа содержания. Более длинные записи нужно делить на части.
Нет, она отвечает только текстом. Озвучивание придётся подключать отдельным сервисом.
Это та же основа на 24 миллиарда параметров, но с добавленным аудиовходом. Разработчик сохранил и текстовые способности Small 3.
Да, помимо аудио и текста на вход можно подавать файлы. Форматы файлов здесь не уточняются.
Все AI-модели каталога Apikley — доступ через API из России, оплата в рублях, без VPN.