mistralai

Mistral: Voxtral Small 24B 2507 STT

Name: Mistral: Voxtral Small 24B 2507 STT
Creator: mistralai
Published: 2026-08-13T20:46:42.000Z

出典の説明（英語）

Voxtral Small 24B 2507 STT is a speech transcription model from Mistral AI. It is suited for transcription, translation, and audio understanding workloads that benefit from its larger model capacity.

OpenRouterで出典を見る Hugging Face

概要

モデル仕様

コンテキスト: 情報なし
最大出力: 情報なし
アーキテクチャ: audio->transcription
トークナイザー: Mistral
知識カットオフ: 情報なし
モデレーション: いいえ

OPENROUTER

料金の詳細

OpenRouterと同期した料金です。トークン料金は100万トークン単位です。

音声の長さ: $0.00005

API

クイックスタート

ローカルにOPENROUTER_API_KEYを設定してください。Pythonにはrequestsが必要です。JavaScriptはNode.jsで実行し、キーはサーバー側で管理してください。

APIドキュメント

curl --fail-with-body https://openrouter.ai/api/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -F 'model=mistralai/voxtral-small-24b-2507-stt' \
  -F 'file=@audio.wav'

機能とモダリティ

入力 → 出力

入力

audio

出力

transcription

API

対応APIパラメータ

利用可能なプロバイダー

1 プロバイダー

確認日: 2026年9月16日

OpenRouterでプロバイダーを見る

可用性、遅延、スループット、ルーティングは常時変化します。最新情報は出典ページで確認してください。

OpenRouter

DeepInfra

bf16

コンテキスト: 情報なし
最大出力: 情報なし

mistralai

4 モデル

すべてのモデル

mistralai

公開日 2026/10/20

Mistral: Voxtral TTS 3

Voxtral TTS 3 is Mistral's text-to-speech model. It converts text into natural-sounding speech, offers a library of preset voices, supports zero-shot voice cloning, and accepts emotion and pace tags in...

コンテキスト: 4K
入力: text
出力: speech

文字: $13 100万文字あたり

モデル詳細を見る →

mistralai

公開日 2026/10/20

Mistral: Voxtral Small Transcribe 3

Voxtral Small Transcribe 3 is Mistral's flagship speech-to-text model. It takes audio input and returns a transcript with timestamps and speaker diarization, and supports context biasing for domain-specific vocabulary. Suited...

コンテキスト: 66K
入力: audio
出力: transcription

音声の長さ: $0.000067 1秒あたり

モデル詳細を見る →

mistralai

公開日 2026/10/20

Mistral: Voxtral Mini Transcribe 3

Voxtral Mini Transcribe 3 is Mistral's compact speech-to-text model. It takes audio input and returns a transcript with timestamps and speaker diarization. It also supports context biasing for domain terms....

コンテキスト: 66K
入力: audio
出力: transcription

音声の長さ: $0.000058 1秒あたり

モデル詳細を見る →

mistralai

公開日 2026/10/06

Mistral: Mistral Large 4

Mistral Large 4 is a frontier multimodal (text and image input) model from Mistral AI built for reasoning, coding, and agentic workloads. It offers a 1M-token context window with up...

コンテキスト: 1.0M
入力: text · image
出力: text

入力: $1.36出力: $4.18100万トークンあたり

モデル詳細を見る →