模型介绍
中文整理Voxtral Mini 1.0 (3B) - 2507
模型用途
Voxtral Mini 是 Ministral 3B 的增强版本，在保留顶级文本性能的同时，集成了先进的音频输入能力。该模型专注于语音转写、翻译和音频理解任务。
主要能力
基于 Ministral-3B 架构构建强大的音频理解能力。支持专用语音转写模式，可最大化转写性能。默认情况下，模型自动检测音频语言并进行转写。支持长达 32k token 的上下文长度，可处理最长 30 分钟的转写任务或 40 分钟的理解任务。支持直接通过音频进行问答和摘要生成，无需单独的语音识别和语言模型。自动检测语言，支持世界上使用最广泛的语言（英语、西班牙语、法语、葡萄牙语、印地语、德语、荷兰语、意大利语）。支持直接从语音触发后端函数、工作流或 API 调用。保留 Ministral-3B 的文本理解能力。
输入输出
输入：音频文件（支持多音频输入）
输出：转写文本、翻译内容、问答回复、结构化摘要
运行要求
使用 vLLM（推荐）或 Transformers 框架运行。GPU 显存需求：bf16 或 fp16 格式下约 9.5 GB。vLLM 版本需 >= 0.10.0，mistral-common >= 1.8.1。Transformers 版本需 >= 4.54.0。
基本用法
音频理解模式：temperature=0.2，top_p=0.95
转写模式：temperature=0.0
支持单条消息包含多个音频及多轮对话
暂不支持系统提示词
限制
暂不支持系统提示词
许可证
请参考官方许可证信息
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。