模型

Voxtral-Mini-4B-Realtime-2602

mistralai/Voxtral-Mini-4B-Realtime-2602

查看上游原文 ↗
上游访问:公开 本站服务:可咨询 内容检查:AI 辅助整理并检查 许可证:apache-2.0 上游版本:2769294da956

中文简介

mistralai/Voxtral-Mini-4B-Realtime-2602 是 mistralai 在 Hugging Face 发布的模型仓库,当前卡片主要关联语音识别。本站固定记录上游版本 2769294da956,同步到 9 个文件,文件元数据合计 16.55 GB;访问状态为“公开”,许可证字段为“apache-2.0”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 mistralai/Voxtral-Mini-4B-Realtime-2602 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
mistralai/Voxtral-Mini-4B-Realtime-2602 是 mistralai 在 Hugging Face 发布的模型仓库,当前卡片主要关联语音识别。本站固定记录上游版本 2769294da956,同步到 9 个文件,文件元数据合计 16.55 GB;访问状态为“公开”,许可证字段为“apache-2.0”。

【适用方向】
适合评估语音转写、字幕生成和语音内容结构化任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本:2769294da956。 任务标签:语音识别。 语言字段:en, fr, es, de, ru, zh, ja, it, pt, nl, ar, hi, ko。 架构:VoxtralRealtimeForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 4.43 B。 库标记:vllm。 模型类型字段:voxtral_realtime。 上游标注的基础模型:mistralai/Ministral-3-3B-Base-2512。 上游页面记录的最近更新时间:2026-03-11。

【文件信息】
上游 API 返回 9 个文件,文件元数据合计 16.55 GB。 已保存文件清单中的主要扩展名:.json 5 个、.safetensors 2 个、.md 1 个、无扩展名 1 个。 当前较大的文件包括:consolidated.safetensors(8.25 GB);model.safetensors(8.25 GB);tekken.json(14.22 MB)。

【运行或处理环境】
仓库文件元数据合计 16.55 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 8.25 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“apache-2.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

Voxtral Mini 4B Realtime 2602 Voxtral Mini 4B Realtime 2602 is a **multilingual, realtime speech-transcription model** and among the first open-source solutions to achieve accuracy comparable to offline systems with a delay of ** = 3600 / 0.8 = 45000`. In theory, you should be able to record with no limit; in practice, pre-allocations of RoPE parameters among other things limits `--max-model-len`. For the best user experience, we recommend to simply instantiate vLLM with the default parameters which will automatically set a maximum model length of 131072 (~ca. 3h). We strongly recommend using websockets to set up audio streaming sessions. For more info on how to do so, check Usage. We recommend using a delay of 480ms as we found it to be the sweet spot of performance and low latency. If, however, you want to adapt the delay, you can change the `"transcription_delay_ms": 480` parameter in the tekken.json file to any multiple of 80ms between 80 and 1200, as well as 2400 as a standalone value. Benchmark Results We compare Voxtral Mini 4B Realtime to similar models - both offline models and realtime. Voxtral Mini 4B Realtime is competitive to leading offline models and shows significant gains over existing open-source realtime solutions. Fleurs | Model | Delay | AVG | Arabic | German | English | Spanish | French | Hindi | Italian | Dutch | Portuguese | Chinese | Japanese | Korean | Russian | |-----------------------------------------|-------------|---------|--------|--------|---------|---------|--------|--------|---------|-------|------------|---------|----------|--------|---------| | Voxtral Mini Transcribe 2.0 | Offline | 5.90% | 13.54% | 3.54% | 3.32% | 2.63% | 4.32% | 10.33% | 2.17% | 4.78% | 3.56% | 7.30% | 4.14% | 12.29% | 4.75% | | **Voxtral Mini 4B Realtime 2602** | 480 ms | 8.72% | 22.53% | 6.19% | 4.90% | 3.31% | 6.42% | 12.88% | 3.27% | 7.07% | 5.03% | 10.45% | 9.59% | 15.74% | 6.02% | | | | | | | | | | | | | | | | | | | | 160 ms | 12.60% | 24.33% | 9.50% | 6

公开页仅展示原文摘录;完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合评估语音转写、字幕生成和语音内容结构化任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本:2769294da956。 任务标签:语音识别。 语言字段:en, fr, es, de, ru, zh, ja, it, pt, nl, ar, hi, ko。 架构:VoxtralRealtimeForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 4.43 B。 库标记:vllm。 模型类型字段:voxtral_realtime。 上游标注的基础模型:mistralai/Ministral-3-3B-Base-2512。 上游页面记录的最近更新时间:2026-03-11。

文件说明

上游 API 返回 9 个文件,文件元数据合计 16.55 GB。 已保存文件清单中的主要扩展名:.json 5 个、.safetensors 2 个、.md 1 个、无扩展名 1 个。 当前较大的文件包括:consolidated.safetensors(8.25 GB);model.safetensors(8.25 GB);tekken.json(14.22 MB)。

上游文件元数据

  • .gitattributes1.53 KB
  • config.json1.54 KB
  • consolidated.safetensors8.25 GB
  • generation_config.json191 B
  • model.safetensors8.25 GB
  • params.json1.31 KB
  • processor_config.json384 B
  • README.md14.59 KB
  • tekken.json14.22 MB

硬件建议

仓库文件元数据合计 16.55 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 8.25 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。

注意事项

许可证显示为“apache-2.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。