Lokale LLMs · Foto: derekGavey, CC BY 2.0
Voxtral Mini Realtime
Typ
Modell
Lizenz
Apache-2.0
Quelle
Anwendungsfeld
Lokale LLM-Modelle
Entwickler von Diktat-, Untertitel- und Sprachassistenz-Anwendungen.
Voraussetzungen
Keine besonderen — direkt loslegen.
Spracherkennung in Echtzeit von Mistral: wandelt gesprochene Sprache laufend in Text um, 13 Sprachen, bis zu rund drei Stunden Audio am Stück. Apache-2.0.
Für wen: Entwickler von Diktat-, Untertitel- und Sprachassistenz-Anwendungen.
Installation
Laut Model Card ab etwa 16 GB Grafikspeicher. Ohne eigene GPU über die Mistral-API.
Erste Schritte
Anders als Whisper-artige Modelle, die fertige Aufnahmen verarbeiten, liefert die Realtime-Variante den Text schon während gesprochen wird — gut für Live-Untertitel und Sprachsteuerung.
Plattformen: GPU ab 16 GB · vLLM
Lizenz & Quelle
- Lizenz: Apache-2.0
- Quelle: HF
Erfahrungen & Kommentare.
Funktioniert der Modell bei Ihnen? Tipps, Stolperfallen, Varianten — teilen Sie es mit der Community.
Lade Kommentare …
Passt dazu.
Llama 3.1
Der Meta-Klassiker mit 128K Kontext. 8B ist ein sehr solider Allrounder für schwächere Hardware, spricht ordentlich Deutsch.
Llama 3.3
Leistet laut Meta ungefähr so viel wie das riesige 405B-Modell — der Preis-Leistungs-Tipp, wenn man 64 GB (z. B. Mac Studio) hat.
Llama 4 (Scout / Maverick)
Metas MoE-Generation mit sehr großem Kontext und Bildverständnis. Für Heim-Hardware meist zu groß — eher für Server/Mac Studio 128 GB+.