🎙️ Voxtral ⏱ 3 min read 📝 Voxtral Transcribe

📝

以说话者分离功能转录13种语言的音频和视频文件

Voxtral Transcribe使用Mistral AI将音频和视频文件转换为书面文本。上传录音——播客、采访、会议、配音或任何媒体文件——AI将生成完整的文本转录，并可选择性地进行说话者识别和逐字时间戳。

支持13种语言：法语、英语、西班牙语、阿拉伯语、俄语、日语、中文、德语、葡萄牙语、意大利语、韩语、印地语和荷兰语。手动设置语言或让AI自动从音频内容中检测。

说话者分离功能识别多人的录音中的个别说话者。当启用时，转录将标记每个段落——说话者1、说话者2——让您可以跟踪在采访、会议或对话中谁说了什么。逐字时间戳为每个单词添加精确的时间数据，适用于字幕创建或将文本与视频同步。

上下文偏差允许您向AI提供一份专有名词、品牌名称或可能被误听的技术术语的列表。添加像Voxtral、ArtCoreAI或特定领域的行话，AI将提高对这些单词的识别准确性。

接受的格式包括MP3、WAV、M4A、FLAC、OGG、MP4、MOV和WebM——每个文件最多500 MB和3小时。波形可视化显示上传的音频及其持续时间和文件信息，然后您可以提交。结果以格式化文本显示，并带有一键复制按钮，转录内容将保存以供日后参考。

费用基于音频时长——大约每分钟/bin/bash.003——使其成为最实惠的转录选项之一。