Migrer depuis Voxtral 2
Cette page s'adresse à quiconque appelle un modèle audio Voxtral 2. Elle fait correspondre chaque modèle à son remplaçant Voxtral 3, puis liste ce qui change en reconnaissance vocale et en synthèse vocale, et ce qu'il faut faire pour chaque changement.
Mappage des modèles
Mappage des modèles
Remplacez chaque ID de modèle Voxtral 2 par l'ID de son remplaçant Voxtral 3. Chaque modèle Voxtral 3 répond aussi aux alias de la dernière colonne.
| Modèle Voxtral 2 | Modèle Voxtral 3 | ID de modèle | Alias |
|---|---|---|---|
voxtral-mini-2602 | Voxtral Mini Transcribe 3 | voxtral-mini-transcribe-3-0 | voxtral-mini-transcribe-3, voxtral-mini-transcribe-latest |
voxtral-mini-transcribe-realtime-2602 | Voxtral Mini Transcribe Realtime 3 | voxtral-mini-transcribe-realtime-3-0 | voxtral-mini-transcribe-realtime-3, |
voxtral-small-2507 | Voxtral Small Transcribe 3 | voxtral-small-transcribe-latest | voxtral-small-transcribe-3, voxtral-small-transcribe-latest |
voxtral-mini-tts-2603 | Voxtral TTS 3 | voxtral-mini-tts-3-0 | voxtral-mini-tts-3, |
Changements de la reconnaissance vocale
Changements de la reconnaissance vocale
Le tableau suivant liste les changements susceptibles d'affecter une intégration de transcription, en commençant par les ruptures de compatibilité.
| Changement | Casse le code existant ? | Que faire |
|---|---|---|
Les horodatages par mot ont disparu. timestamp_granularities n'accepte que segment, et word renvoie une erreur 400. | Oui, si vous demandez des horodatages par mot. | Demandez des horodatages par segment. Voir Horodatages. |
Une session en temps réel verrouille ses paramètres dès l'arrivée du premier fragment audio. Un session.update ultérieur reçoit un événement error. | Envoyez tous les paramètres dans le premier session.update, avant tout audio. Voir Transcription en temps réel. | |
| Oui, si votre affichage suppose que les segments ne se chevauchent jamais. | Conservez les deux segments quand ils se chevauchent. Voir Segments qui se chevauchent. | |
Les entrées context_bias peuvent être des expressions contenant des espaces, comme un nom de produit complet, et une phrase de contexte libre fonctionne hors ligne. | Non. | Voir Biais de contexte et vocabulaire. |
Le nombre d'entrées de context_bias n'est pas fixé. | Non. | Gardez la liste courte : les entrées partagent la fenêtre de contexte avec l'audio, et une requête qui dépasse la limite renvoie une erreur 400. Voir Limites et erreurs. |
| La transcription prend en charge davantage de langues. | Non. | Omettez language pour détecter automatiquement la langue, ou définissez le paramètre si vous la connaissez. Voir Langues. |
| Nouveauté : diarisation en temps réel, références de locuteurs et détection des tours de parole dans les sessions en temps réel. | Non. | Activez-les quand vous en avez besoin. Voir Diariser les locuteurs et Détection des tours de parole. |
Changements de la synthèse vocale
Changements de la synthèse vocale
Le tableau suivant liste les changements susceptibles d'affecter une intégration de génération de parole.
| Changement | Casse le code existant ? | Que faire |
|---|---|---|
L'émotion passe de la voix aux tags inline. Avec Voxtral 2, chaque voix prédéfinie possède une variante par émotion, comme gb_jane_sad. Voxtral 3 ajoute des tags [emotion=...] dans input pour un contrôle plus fin. | Non. Les voix prédéfinies Voxtral 2 sont toujours acceptées. | Pour faire varier l'émotion d'une voix, utilisez les tags d'émotion et de rythme. |
Clonage de la voix pour une seule requête avec ref_audio. | Non. ref_audio est toujours accepté. | Pour réutiliser une voix clonée, enregistrez-la une seule fois et transmettez son ID en tant que voice_id. Voir Clonage de la voix. |
| Nouveauté : voix Voxtral 3, balises de rythme, prononciation personnalisée, | Non. | Activez-les quand vous en avez besoin. Voir Voix, Prononciation personnalisée, Instructions de style et Expressivité. |
Calendrier de dépréciation
Calendrier de dépréciation
Checklist de migration
Checklist de migration
Suivez ces étapes pour faire migrer une intégration vers Voxtral 3 :
- Remplacez chaque ID de modèle par son ID Voxtral 3. Voir Correspondance des modèles.
- Si vous demandez des horodatages par mot, passez aux horodatages par segment.
- Dans les sessions en temps réel, envoyez tous les paramètres avant le premier fragment audio.
- Si vous utilisez la diarisation, vérifiez que votre affichage gère le chevauchement des segments.
- Passez en revue vos entrées
context_bias: écrivez les termes composés avec des espaces. - Générez quelques échantillons avec vos voix, et déplacez les variantes d'émotion vers des balises d'émotion si vous voulez une seule voix dans plusieurs humeurs. Voir Changements de la synthèse vocale.
- Mesurez de nouveau la latence depuis votre application. Voir Latence.
Aller plus loin