Voxtral Mini 3B 2507

توثق هذه الصفحة من Soniqo نموذج Voxtral Mini 3B 2507 كما هو منفذ في speech-swift / speech-core. روابط Hugging Face موجودة أدناه بعد ملاحظات الدمج.

الصفحة الداخلية أولا

بطاقات الصفحة الرئيسية وقوائم الوثائق تشير إلى هذه الصفحة أولا؛ وتبقى روابط النموذج والحزم داخلها.

لمحة سريعة

النموذج	Voxtral Mini 3B 2507
الدور	High-accuracy multilingual offline speech-to-text
Backend	Native MLX on Apple Silicon
الإخراج	Plain-text transcription
اللغات	English, French, German, Spanish, Italian, Portuguese, Dutch, and Hindi
الرخصة	Apache-2.0
الحالة	Published FP16, INT5, and INT8 bundles; INT5 is the default
المصدر	Mistral Voxtral Mini 3B 2507
منتج Swift	`VoxtralASR`
CLI / runtime	`speech transcribe --engine voxtral`

الاستخدام

المقتطف أدناه يطابق API أو الأمر الحالي في speech-swift.

# INT5 is the default.
speech transcribe recording.wav --engine voxtral

# Select another published precision and pass a language hint.
speech transcribe recording.wav --engine voxtral --model int8 --language fr

روابط النموذج

ملاحظات التنفيذ

The audio frontend resamples mono Float32 PCM to 16 kHz and packs up to 30 seconds of audio per request.
INT5 is the default: on the validated English FLEURS run it used a 3.77 GiB bundle, 6,012 MiB physical footprint, and 0.0739 mean RTF.
The decoder projects only the final prompt state through the 131,072-token language-model head, reducing quantized-model RTF without changing transcripts.
MLX has no INT7 affine kernel; use INT8 as the supported higher-quality option.
This is a non-streaming engine. Benchmark results cover English read speech, not conversational or speaker-heavy audio.