áudio | Mistral AI
Voxtral Transcribe
Transcreva arquivos de áudio e vídeo em 13 idiomas com diarização de falantes
áudio
Voxtral Mini Transcribe BATCH
Mistral AI
Voxtral Transcribe converte arquivos de áudio e vídeo em texto escrito usando a IA Mistral. Faça o upload de uma gravação — podcast, entrevista, reunião, narração ou qualquer arquivo de mídia — e a IA produz uma transcrição completa com identificação opcional de falantes e timestamps em nível de palavra.
Suporta 13 idiomas: francês, inglês, espanhol, árabe, russo, japonês, chinês, alemão, português, italiano, coreano, hindi e holandês. Defina o idioma manualmente ou deixe a IA detectá-lo automaticamente a partir do conteúdo de áudio.
A diarização de falantes identifica falantes individuais em gravações com várias pessoas. Quando ativada, a transcrição rotula cada segmento — Falante 1, Falante 2 — para que você possa acompanhar quem disse o quê em entrevistas, reuniões ou diálogos. Os timestamps de palavras adicionam dados de tempo precisos a cada palavra, úteis para a criação de legendas ou sincronização de texto com vídeo.
O viés de contexto permite que você forneça à IA uma lista de nomes próprios, marcas ou termos técnicos que poderiam ser mal interpretados. Adicione nomes como Voxtral, ArtCoreAI ou jargão específico de domínio, e a IA aumenta a precisão do reconhecimento para essas palavras.
Os formatos aceitos incluem MP3, WAV, M4A, FLAC, OGG, MP4, MOV e WebM — até 500 MB e 3 horas por arquivo. Uma visualização de forma de onda mostra o áudio enviado com duração e informações do arquivo antes de você enviar. Os resultados são exibidos como texto formatado com um botão de copiar com um clique, e a transcrição é salva para referência futura.
O custo é baseado na duração do áudio — aproximadamente /bin/bash.003 por minuto — tornando-se uma das opções de transcrição mais acessíveis disponíveis.
Suporta 13 idiomas: francês, inglês, espanhol, árabe, russo, japonês, chinês, alemão, português, italiano, coreano, hindi e holandês. Defina o idioma manualmente ou deixe a IA detectá-lo automaticamente a partir do conteúdo de áudio.
A diarização de falantes identifica falantes individuais em gravações com várias pessoas. Quando ativada, a transcrição rotula cada segmento — Falante 1, Falante 2 — para que você possa acompanhar quem disse o quê em entrevistas, reuniões ou diálogos. Os timestamps de palavras adicionam dados de tempo precisos a cada palavra, úteis para a criação de legendas ou sincronização de texto com vídeo.
O viés de contexto permite que você forneça à IA uma lista de nomes próprios, marcas ou termos técnicos que poderiam ser mal interpretados. Adicione nomes como Voxtral, ArtCoreAI ou jargão específico de domínio, e a IA aumenta a precisão do reconhecimento para essas palavras.
Os formatos aceitos incluem MP3, WAV, M4A, FLAC, OGG, MP4, MOV e WebM — até 500 MB e 3 horas por arquivo. Uma visualização de forma de onda mostra o áudio enviado com duração e informações do arquivo antes de você enviar. Os resultados são exibidos como texto formatado com um botão de copiar com um clique, e a transcrição é salva para referência futura.
O custo é baseado na duração do áudio — aproximadamente /bin/bash.003 por minuto — tornando-se uma das opções de transcrição mais acessíveis disponíveis.
Melhores resultados
Áudio Limpo Gera Transcrições Limpas
Ruído de fundo, música e eco reduzem a precisão da transcrição. Para melhores resultados, use gravações com fala clara e mínima interferência. Se transcrevendo de vídeo, certifique-se de que a faixa de diálogo seja proeminente.
Ative a Diarização para Múltiplos Falantes
Se sua gravação tiver mais de uma pessoa falando, ative a diarização de falantes. A IA separa e rotula cada falante, tornando a transcrição fácil de seguir — essencial para entrevistas, reuniões e podcasts.
Use Viés de Contexto para Nomes
Adicione nomes próprios, marcas e termos técnicos ao campo de viés de contexto. Palavras como Voxtral, ArtCoreAI ou jargão da indústria são frequentemente mal interpretadas sem essa dica — o viés de contexto melhora dramaticamente a precisão para palavras incomuns.
Defina o Idioma Quando Conhecido
A detecção automática funciona bem para gravações em um único idioma, mas se você souber o idioma, defina-o manualmente. Isso evita erros de detecção em clipes curtos ou gravações com fala acentuada.
Timestamps de Palavras para Legendas
Ative os timestamps de palavras se você planeja criar legendas ou sincronizar o texto com o vídeo. Cada palavra recebe um marcador de tempo preciso, facilitando o alinhamento do texto com o conteúdo visual.
Custo Extremamente Baixo
A aproximadamente /bin/bash.003 por minuto, transcrever uma hora completa de áudio custa menos de /bin/bash.20 em créditos. Teste com um clipe curto primeiro para verificar a qualidade, depois processe gravações mais longas com confiança.
Guias
Voxtral Transcribe
🎵
Audio
Voxtral Transcribe — Technical Guide
Transcribe audio and video files in 13 languages with speaker diarization