”Fyra pärmar. Nej, sex.” Båda talen måste finnas med i transkriptionen. I materiallistan ska senare bara den bekräftade mängden räknas. Mellan dessa två korrekta resultat ligger en liten men avgörande tankeuppgift: ett samtals förlopp och dess aktuella arbetsläge är olika saker.
Mistral presenterade Voxtral 3 den 20 oktober 2026. Den dokumentationen för transkriptionsmodellerna beskriver bland annat tidsstämplar och talartillskrivning och anger att åtkomsten är en Public Preview. Det som är särskilt intressant i praktiken är hur transkriptionen, placeringen i tid och den senare utvärderingen samverkar.
Vad en talaretikett egentligen säger
Talartillskrivning kan koppla ihop segment som talas av samma röst. En etikett som Talare A är till att börja med en teknisk tilldelning inom inspelningen. Den fastställer inte ett namn, ett ansvar eller en identitet utanför detta sammanhang.
Även tidsstämpeln fyller en begränsad uppgift: den leder till en punkt i originalljudet. En korrekt tidsstämpel gör inte ett felaktigt igenkänt namn rätt. En språkligt utslätad sammanfattning kan i sin tur ta bort den självkorrigering som var viktig för beslutet.
Det lönar sig därför att hålla isär tre resultat: en nästan ordagrann transkription, talar- och tidsstrukturen samt en härledd uppgiftsöversikt. Vart och ett kan kontrolleras utan att de andra tyst skrivs om.
Ett eget samtalsprov med känd betydelse
Spela in en kort, icke-känslig scen tillsammans med en andra person som har gått med på det. En person beställer fyra pärmar. Den andra frågar om ytterligare en deltagare. Sedan rättas mängden uttryckligen till sex. I slutet förblir det öppet vem som ska hämta pärmarna. Använd påhittade namn och inga verkliga kundsamtal.
Skriv en egen referens innan någon automatisk bearbetning sker: ordalydelsen för ändringen av mängden, de kända talarbytena och den öppna frågan om hämtningen. Tidsintervallen fastställer du utifrån din faktiska inspelning. Ett perfekt artificiellt ljudspår behövs inte för detta; det avgörande är att du själv säkert känner till innehållet.
Låt först en lämplig transkriptionsfunktion ta fram enbart transkriptionen och talarsegmenten. Kontrollera ändringen av mängden och hoppa tillbaka med hjälp av tidsstämplarna. Först därefter härleder du en uppgiftsöversikt. På så sätt går det att skilja ett igenkänningsfel från en felaktig sammanfattning.
En överenskommelse med en väg tillbaka till ljudet
För det andra steget räcker en liten egen struktur:
Conversation excerpt: “Four binders. No, six.”
Current working state: six binders
Evidence: time range of the explicit correction
Collection: responsibility not agreed in the conversationEn lämplig instruktion är: ”Sammanfatta endast uppgifter som uttryckligen har avtalats. Ta hänsyn till senare rättelser. Ange den matchande tidpunkten för varje uppgift. Behåll oklara ansvarsområden som en öppen punkt.” Det är mer precist än att be om ett professionellt protokoll.
Kontrollera sedan om en sammanfattning av misstag har gjort ett icke-bindande förslag till ett åtagande. ”Lea kanske kan hämta det” är ett annat samtalsläge än ”Lea hämtar det”. Ett korrekt igenkänt ord kan ändå få fel grad av förpliktelse i utvärderingen.
Undertexter kräver ytterligare ett beslut
För undertexter kanske du vill korta ner upprepningar och bilda läsbara rader. En materialöversikt bör däremot sammanfatta den aktuella överenskommelsen. Båda uppgifterna kan använda samma källjud men behöver olika regler.
Håll det nästan ordagranna underlaget åtskilt från den redigerade versionen. På så sätt kan du senare spåra varför en rad kortades och om rättelsen bevarades. Egennamn, tal och förbehåll förtjänar en riktad andra genomlyssning.
Det lilla experimentet testar inte en allmän igenkänningsgrad eller prestanda med godtyckliga accenter. Det visar något som är direkt användbart: i vilket steg blir en hörd sekvens till ett påstående som har betydelse för handlandet? Enligt dokumentationen tillhandahåller Voxtral 3 byggstenar för denna väg. Ett användbart underlag uppstår när deras resultat förblir kopplade till originalet och öppna överenskommelser får förbli öppna.
Källor och status
Källor per den 25 oktober 2026. Voxtral 3 · Voxtral Mini Transcribe 3.
