← Open source modely

Voxtral-Mini-4B-Realtime-2602

mistralai · Hlas a řeč · 4,4 mld. parametrů

Vícejazyčný model na přepis řeči v reálném čase s malým zpožděním (doporučeno 480 ms), například pro titulky naživo.

Pro koho je

Vývojáře hlasových asistentů a živých titulků.

Jak ho zkusit

Licence Apache 2.0. Karta doporučuje provoz přes vLLM se streamováním zvuku; výchozí maximální délka je kolem 3 hodin.

Na čem poběží

Vejde se do běžného počítače s 16 GB paměti. Odhad paměti jen pro váhy modelu: zhruba 2,4 GB ve 4bitové podobě a 8,9 GB v plné přesnosti.

Čeština

Ověřit v kartě a testem.

Omezení

Podporuje 13 jazyků; zda mezi nimi je čeština, jsem z přečteného úryvku neověřil.

Licence a údaje

Licence: Apache 2.0. Podle licence jde použít i komerčně, s dodržením jejích podmínek.

Modelová karta na Hugging Face