Voxtral Mini 3B 2507

Diese Soniqo-Seite dokumentiert Voxtral Mini 3B 2507 aus der lokalen speech-swift / speech-core-Implementierung. Hugging-Face-Bundles sind nach den Integrationshinweisen verlinkt.

Zuerst interne Seite

Landing-Karten und Docs-Menüs führen zuerst hierher; Quellen- und Bundle-Links bleiben auf dieser Seite verfügbar.

Überblick

Modell	Voxtral Mini 3B 2507
Rolle	High-accuracy multilingual offline speech-to-text
Backend	Native MLX on Apple Silicon
Ausgabe	Plain-text transcription
Sprachen	English, French, German, Spanish, Italian, Portuguese, Dutch, and Hindi
Lizenz	Apache-2.0
Status	Published FP16, INT5, and INT8 bundles; INT5 is the default
Quelle	Mistral Voxtral Mini 3B 2507
Swift-Produkt	`VoxtralASR`
CLI / Laufzeit	`speech transcribe --engine voxtral`

Verwendung

Das folgende Snippet entspricht der aktuellen API oder dem aktuellen Befehl aus 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

Modelllinks

Implementierungsnotizen

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.