Mihu Voice · جديد

أصوات تبدو بشرية. ونصوص تظهر أثناء الكلام.

Mihu Voice هي منظومة الكلام الخاصة بنا، المصمّمة للمكالمات المباشرة: يحوّل Umay الكلام إلى نص بينما لا يزال المتصل يتحدث، ويحوّل Ses النص إلى كلام طبيعي بسبع لغات. API واحدة، مستضافة في أوروبا أو تركيا، أو على خوادمك الخاصة.

~80 ms
النص النهائي بعد أن يتوقف المتصل عن الكلام
7
لغات، تحويل الكلام إلى نص والنص إلى كلام
10–30 s
من الكلام لاستنساخ صوت
The Mihu Voice library: voice orbs to choose from, the English female voice Emily selected, scenario chips such as order status and appointment, and her greeting ready to play.
نموذجان، API واحدة

أذنا كل وكيل من وكلاء Mihu وصوته، متاحة الآن لمنتجك.

يعمل mihu-umay-v1 لتحويل الكلام إلى نص وmihu-ses-v1 لتحويل النص إلى كلام بمفتاح API واحد، عبر REST وWebSocket. يستجيب كلاهما بالطريقة نفسها في كل منطقة، ويعملان مع حزم OpenAI SDK الرسمية بمجرد تغيير عنوان URL الأساسي.

Umay
تحويل الكلام إلى نص، مباشرةً ومن الملفات
Ses
تحويل النص إلى كلام، بالبث المتدفق
اللغات
TR, EN, DE, FR, IT, RU, ES
أين يعمل
أوروبا أو تركيا أو on-prem
Umay · تحويل الكلام إلى نص

يظهر النص بينما لا يزال المتصل يتحدث.

يتدفق النص الجزئي أثناء حديث الشخص. وتجهز الجملة النهائية بعد نحو 80 ms من توقفه، أسرع من رمشة عين، فيتمكن وكيلك من الرد دون توقف.

على الكلام التركي المقروء، يبلغ معدل خطأ الكلمات لدى Umay نسبة 3.42%، وهو الأدنى بين تسعة أنظمة اختبرناها. وفي وضع التركية فقط، يتعامل خادم واحد مع ما يصل إلى 256 مكالمة مباشرة.

  • مكالمات مباشرة عبر WebSocket: صوت PCM بتردد 16 kHz في إطارات مدتها 100 ms، عبر مقبس واحد
  • ملفات بأي صيغة شائعة عبر REST، أسرع من الزمن الحقيقي بـ 19.5× في الوضع السريع
  • دعم صوت الهاتف بتردد 8 kHz
نص جزئي ونهائي في مكالمة مباشرة، مع تمييز المتحدثين أثناء كلامهم.

كل ما يستطيع Umay فعله

تُفعَّل خيارات المتحدث لكل طلب على حدة؛ وعند إيقافها لا يُضاف أي زمن استجابة.

تنسيق ذكي وأسماء الأماكن

تخرج المبالغ والتواريخ والعناوين بالشكل الذي يتوقعه نظام CRM.

تُكتب المبالغ والتواريخ ولوحات المركبات بالأرقام، مع إضافة نحو 6 ms فقط. وترفع قوائم الأحياء والمناطق المدمجة، إلى جانب كلماتك المفتاحية الخاصة، دقة أسماء الأماكن في الوقت الفعلي بمقدار 3 إلى 8 نقاط.

1.68%معدل خطأ الكلمات على 500 عنوان منطوق، 8 kHz، مع تلميحات الأماكن
97.2%من جمل العناوين صحيحة بالكامل مع تلميحات الأماكن
Ses · تحويل النص إلى كلام

كلام يبدو محلياً.

يقرأ Ses العناوين وأسماء الأماكن والمبالغ والتواريخ ولوحات المركبات وأرقام الهواتف كما ينطقها الناس، باللغات السبع جميعها. ويبدأ بث الصوت قبل اكتمال تركيب الجملة كلها، وينطلق خلال نحو 0.1 s.

  • 22 صوتاً مدمجاً بـ 7 لغات، إضافة إلى أصواتك الخاصة
  • صوت بتردد 24 kHz بصيغ pcm أو wav أو mp3 أو opus أو aac أو flac
  • المقاطعة (barge-in): إغلاق الاتصال يوقف الكلام لحظة بدء المتصل بالحديث
  • اختيارياً: التوليد مع التحقق للتركية، والنبر للروسية
Smart reading: ‘17 Oak St, Apt 4’ read as seventeen Oak Street, apartment four in English, ‘16:30’ as las cuatro y media in Spanish, and a Turkish door number, with 24 kHz streaming audio out.
طلب واحد، يُقرأ بشكل صحيح بكل لغة، ويُبث أثناء توليده.
استنساخ الصوت

صوتك الخاص من 10–30 ثانية من الكلام.

سجّل عينة قصيرة وسيبني Ses صوتاً مخصصاً يمكنك استخدامه إلى جانب الأصوات المدمجة الـ 22. يخضع كل صوت مستنسخ لاختبار قراءة ويتطلب موافقة المتحدث. يُستخدم التسجيل لبناء الصوت ثم يُحذف؛ ولا يُحتفظ إلا بالصوت نفسه.

استنسخ صوتاً في وحدة التحكم
المقارنات المعيارية · نوفمبر 2026

الدقة في اللغات السبع كلها.

تُقيَّم كل الأنظمة بالطريقة نفسها على مجموعات اختبار عامة، مع توحيد الأرقام والصيغ. كلما انخفض معدل خطأ الكلمات كان أفضل.

تحويل الكلام إلى نص · Umay · FLEURS، صوت نقي
اللغةمعدل خطأ الكلماتدقة الكلمات
Türkçe3.42%96.58%
English6.44%93.56%
Deutsch6.46%93.54%
Français6.70%93.30%
Español3.68%96.32%
Italiano3.34%96.66%
Русский5.61%94.39%
تحويل النص إلى كلام · Ses · أُعيدت قراءته بواسطة Whisper large-v3 عند 8 kHz
اللغةمعدل خطأ الكلماتدقة الكلمات
Türkçe3.38%96.62%
English1.29%98.71%
Deutsch3.62%96.38%
Français4.41%95.59%
Español2.53%97.47%
Italiano3.36%96.64%
Русский5.04%94.96%
Ses · الوقت حتى أول صوت، على CPU
  • TR0.10 s
  • EN0.11 s
  • DE0.11 s
  • FR0.15 s
  • ES0.12 s
  • IT0.13 s
  • RU0.31 s

قيست التركية أيضًا على مكالمات هاتفية وتسجيلات بث. الطرق وجميع الأنظمة المختبرة والرسوم البيانية الكاملة في صفحة المقارنات. جميع المقارنات المعيارية ←

وحدة التحكم

كل ما تقدمه API، في المتصفح.

جرّب الأصوات، وفرّغ التسجيلات، واستنسخ الأصوات، وأدِر المفاتيح دون كتابة أي كود. وأنت من يقرر مدة الاحتفاظ بأي شيء.

The Mihu Voice console Voices page: shortcuts to clone a voice, text to speech, transcribe a call and API keys, and a searchable list of built-in voices such as Alp, Kaya, Ece and Aysu with language and gender.
الأصوات: الأصوات المدمجة الـ 22 وأصواتك الخاصة، مع اختصارات للاستنساخ والنطق والتفريغ والحصول على المفاتيح.
The Mihu Voice console Text to Speech page: a Turkish sentence for the voice Alp, character count and price, scenario chips, and settings for speed, natural reading of numbers and dates, pronunciation check, pronunciation dictionary and download format.
تحويل النص إلى كلام: اكتب، واختر صوتاً وسرعة، وتحقق من النطق، ثم نزّل الملف.

الأصوات

الأصوات المدمجة وأصواتك الخاصة. استمع إلى أي منها قبل استخدامه.

تحويل النص إلى كلام

اكتب، واختر صوتاً، واسمعه يبدأ خلال نحو 0.1 s. نزّله بصيغة mp3 أو wav أو flac وغيرها.

تحويل الكلام إلى نص

ارفع ملفاً أو رابطاً، أو سجّل، أو انتقل إلى البث المباشر وشاهد الكلمات تظهر أثناء حديثك.

عازل الصوت

أزل الأصوات الخلفية والضوضاء من التسجيل؛ وقارن قبل وبعد.

استنساخ الصوت

صوت من 10–30 ثانية من الكلام، مع اختبار قراءة وموافقة المتحدث.

مفاتيح API والاستخدام

مفاتيح لخوادمك، وكود بدء سريع لكل منطقة، وما أنفقته.

التكامل

يتصل بمركز الاتصال الذي تشغّله بالفعل.

لا حاجة إلى Mihu SDK ولا يعمل أي شيء من جهتك. تبث المكالمات المباشرة الصوت عبر WebSocket؛ وتستخدم الملفات والتركيب HTTPS العادي. واختيار المنطقة لا يغيّر سوى المضيف.

  • أوروبا: stt.eu.mihu.ai وtts.eu.mihu.ai
  • تركيا: stt.tr.mihu.ai وtts.tr.mihu.ai، وتبقى البيانات داخل البلد (KVKK)
  • على خوادمك الخاصة: Docker على CPU، دون اتصال، ودون حاجة إلى GPU أو إنترنت
  • تعمل حزم OpenAI SDK الرسمية بمجرد تغيير عنوان URL الأساسي
WS /v1/stream · python
import asyncio, json, websockets

URL = "wss://stt.eu.mihu.ai/v1/stream?model=umay-stream&language=tr&api_key=KEY"

async def transcribe(chunks):  # 100 ms of 16 kHz mono int16 PCM
    async with websockets.connect(URL, max_size=None) as ws:
        async def read():
            async for m in ws:
                d = json.loads(m)
                if d["type"] == "final":
                    print(d["text"])  # send this to your LLM
        reader = asyncio.create_task(read())
        for chunk in chunks:
            await ws.send(chunk)
        await ws.send(json.dumps({"event": "end"}))
        await reader

حماية البيانات: KVKK وGDPR

لا يُخزَّن الصوت

تُعالَج البثوث المباشرة في الذاكرة ولا تُكتب على القرص أبداً. ولا يُحتفظ بالملف إلا أثناء تفريغه.

لا تُسجَّل النصوص المفرّغة

تُعاد نتائج API إليك ولا يُحتفظ بها. وفي وحدة التحكم تختار مدة بقاء النصوص المفرّغة، من عدم الاحتفاظ إطلاقاً حتى 3 سنوات.

البصمات الصوتية بالموافقة

لا تُخزَّن التسجيلات الصوتية أبداً. يُحتفظ فقط بتوقيع رقمي، وفقط إذا طلبته؛ ويمكن حذفه نهائياً.

الأسعار

ادفع مقابل الصوت الذي ترسله والأحرف التي تنطقها.

أسعار القائمة باليورو. تُحتسب الخيارات بشكل منفصل، فقط عند استخدامها. وتكلفة الملفات والبث المباشر واحدة.

تحويل الكلام إلى نص · mihu-umay-v1
€0.09 لكل ساعة صوت
€0.0015 لكل دقيقة صوت
تحويل النص إلى كلام · mihu-ses-v1
€10 لكل مليون حرف
€0.01 لكل ألف حرف
خيارات تحويل الكلام إلى نص
€0.01 لكل خيار
لكل محادثة: عزل الصوت، تمييز المتحدثين، قفل المتحدث، كشف الجنس. لكل طلب: البصمات الصوتية، التحقق من المتحدث.
تكلفة أحمال العمل المعتادة بسعر القائمة
حمل العملالحجمالتكلفة
تفريغ 10,000 مكالمة مدة كل منها 3 دقائق500 ساعة صوت€45.00
نطق 10,000 رد طول كل منها 200 حرف2 مليون حرف€20.00
تفريغ 1,000 ساعة من التسجيلات1,000 ساعة صوت€90.00
10,000 مكالمة مدة كل منها 3 دقائق مع تمييز المتحدثين500 ساعة + 10,000 محادثة€145.00

تعمل on-prem أو بأحجام أكبر؟ تحدّث إلى فريق المبيعات ←

امنح منتجك صوتاً وأذنين.

استمع إلى الأصوات، أو فرّغ مكالمة في وحدة التحكم، أو احصل على مفتاح API وابدأ بث أول صوت خلال دقائق.