Mihu Voice · Novinka

Hlasy, které zní lidsky. Přepis už během mluvení.

Mihu Voice je náš vlastní řečový stack vytvořený pro živé hovory: Umay převádí řeč na text, zatímco volající ještě mluví, a Ses mění text v přirozenou řeč v sedmi jazycích. Jedno API, hostované v Evropě nebo Turecku, případně na vašich vlastních serverech.

~80 ms
Finální text poté, co volající domluví
7
Jazyků, řeč na text a text na řeč
10–30 s
řeči ke klonování hlasu
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.
Dva modely, jedno API

Uši a hlas každého agenta Mihu, nově otevřené pro váš produkt.

mihu-umay-v1 pro převod řeči na text a mihu-ses-v1 pro převod textu na řeč fungují pod jedním API klíčem, přes REST a WebSocket. Oba odpovídají stejně v každém regionu a fungují s oficiálními OpenAI SDK, stačí změnit base URL.

Umay
Řeč na text, živě i ze souborů
Ses
Text na řeč, streamovaně
Jazyky
TR, EN, DE, FR, IT, RU, ES
Kde běží
Evropa, Turecko nebo on-premise
Umay · řeč na text

Text se objevuje, zatímco volající ještě mluví.

Průběžný text přichází, zatímco člověk mluví. Finální věta je hotová asi 80 ms poté, co domluví, rychleji než mrknutí oka, takže váš agent odpoví bez prodlevy.

Na turecké čtené řeči má Umay chybovost slov 3.42%, nejnižší z devíti systémů, které jsme testovali. V režimu jen pro turečtinu zvládne jeden server až 256 živých hovorů.

  • Živé hovory přes WebSocket: 16 kHz PCM v rámcích po 100 ms, jeden socket
  • Soubory v jakémkoli běžném formátu přes REST, v rychlém režimu 19.5× rychleji než v reálném čase
  • Podpora telefonního zvuku 8 kHz
Průběžný a finální text v živém hovoru, s označením mluvčích během mluvení.

Vše, co Umay umí

Možnosti mluvčích se zapínají pro každý požadavek zvlášť; vypnuté nepřidávají žádnou latenci.

Chytré formátování a místní názvy

Částky, data a adresy vycházejí tak, jak je CRM očekává.

Částky, data a SPZ se zapisují číslicemi, což přidá asi 6 ms. Vestavěné seznamy okresů a čtvrtí spolu s vašimi vlastními hotwords zvyšují přesnost místních názvů v živých hovorech o 3 až 8 bodů.

1.68%chybovost slov na 500 vyslovených adresách, 8 kHz, s nápovědami míst
97.2%adresních vět zcela správně s nápovědami míst
Ses · text na řeč

Řeč, která zní jako od místních.

Ses čte adresy, místní názvy, částky, data, SPZ a telefonní čísla tak, jak je lidé vyslovují, ve všech sedmi jazycích. Zvuk se streamuje zpět dřív, než je celá věta syntetizována, a začne asi za 0.1 s.

  • 22 vestavěných hlasů v 7 jazycích a k tomu vaše vlastní
  • Zvuk 24 kHz jako pcm, wav, mp3, opus, aac nebo flac
  • Barge-in: uzavření spojení zastaví řeč ve chvíli, kdy volající promluví
  • Volitelné generování s ověřením pro turečtinu a přízvuk pro ruštinu
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.
Jeden požadavek, správně přečtený v každém jazyce, streamovaný během generování.
Klonování hlasu

Váš vlastní hlas z 10–30 sekund řeči.

Nahrajte krátkou ukázku a Ses vytvoří vlastní hlas, který můžete používat vedle 22 vestavěných. Každý klon projde kontrolou čtení a vyžaduje souhlas mluvčího. Nahrávka se použije k vytvoření hlasu a pak se smaže; uchová se jen samotný hlas.

Klonovat hlas v konzoli
Benchmarky · listopad 2026

Přesnost ve všech 7 jazycích.

Každý systém je hodnocen stejně na veřejných testovacích sadách, s normalizací čísel a formátů. Nižší chybovost slov je lepší.

Řeč na text · Umay · FLEURS, čistý zvuk
JazykChybovost slovPřesnost slov
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%
Text na řeč · Ses · zpětně přepsáno Whisper large-v3 při 8 kHz
JazykChybovost slovPřesnost slov
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 · čas do prvního zvuku, na CPU
  • TR0.10 s
  • EN0.11 s
  • DE0.11 s
  • FR0.15 s
  • ES0.12 s
  • IT0.13 s
  • RU0.31 s

Turečtina je měřena také na telefonních hovorech a vysílání. Metody, všechny testované systémy a úplné grafy najdete na stránce benchmarků. Všechny benchmarky →

Konzole

Vše, co umí API, v prohlížeči.

Zkoušejte hlasy, přepisujte, klonujte a spravujte klíče bez psaní kódu. A vy rozhodujete, jak dlouho cokoli zůstane uložené.

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.
Hlasy: 22 vestavěných hlasů a vaše vlastní, se zkratkami pro klonování, mluvení, přepis a získání klíčů.
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.
Text na řeč: napište text, vyberte hlas a rychlost, zkontrolujte výslovnost a stáhněte.

Hlasy

Vestavěné hlasy i vaše vlastní. Každý si poslechněte, než ho použijete.

Text na řeč

Napište text, vyberte hlas a uslyšíte ho asi za 0.1 s. Stáhněte jako mp3, wav, flac a další.

Řeč na text

Nahrajte soubor nebo odkaz, nahrávejte, nebo přejděte na živý přepis a sledujte, jak se slova objevují, zatímco mluvíte.

Izolátor hlasu

Odstraňte z nahrávky hlasy v pozadí a šum; porovnejte před a po.

Klonování hlasu

Hlas z 10–30 sekund řeči, s kontrolou čtení a souhlasem mluvčího.

API klíče a využití

Klíče pro vaše servery, kód pro rychlý start pro každý region a přehled útraty.

Integrace

Napojí se na kontaktní centrum, které už provozujete.

Žádné Mihu SDK není potřeba a na vaší straně nic neběží. Živé hovory streamují zvuk přes WebSocket; soubory a syntéza používají obyčejné HTTPS. Volba regionu mění jen host.

  • Evropa: stt.eu.mihu.ai a tts.eu.mihu.ai
  • Turecko: stt.tr.mihu.ai a tts.tr.mihu.ai, data zůstávají v zemi (KVKK)
  • Na vašich vlastních serverech: Docker na CPU, offline, bez GPU a bez internetu
  • Oficiální OpenAI SDK fungují po změně base URL
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

Ochrana dat: KVKK a GDPR

Zvuk se neukládá

Živé streamy se zpracovávají v paměti a nikdy se nezapisují na disk. Soubor se uchovává jen po dobu přepisu.

Přepisy se nelogují

Výsledky API se vracejí vám, neuchovávají se. V konzoli si zvolíte, jak dlouho přepisy zůstanou, od vůbec až po 3 roky.

Otisky hlasu se souhlasem

Hlasové nahrávky se nikdy neukládají. Uchová se jen číselný podpis, a to jen pokud o to požádáte; lze ho trvale smazat.

Ceník

Plaťte za zvuk, který pošlete, a za znaky, které necháte namluvit.

Ceníkové ceny v eurech. Možnosti se účtují zvlášť, jen když je použijete. Soubory a živé streamy stojí stejně.

Řeč na text · mihu-umay-v1
€0.09 za hodinu zvuku
€0.0015 za minutu zvuku
Text na řeč · mihu-ses-v1
€10 za milion znaků
€0.01 za tisíc znaků
Možnosti převodu řeči na text
€0.01 za každou
Za konverzaci: izolace hlasu, diarizace, uzamčení mluvčího, rozpoznání pohlaví. Za požadavek: otisky hlasu, ověření mluvčího.
Kolik stojí typické úlohy podle ceníku
ÚlohaObjemCena
Přepis 10,000 hovorů po 3 minutách500 hodin zvuku€45.00
Namluvení 10,000 odpovědí po 200 znacích2 miliony znaků€20.00
Přepis 1,000 hodin nahrávek1,000 hodin zvuku€90.00
10,000 hovorů po 3 minutách s diarizací mluvčích500 hodin + 10,000 konverzací€145.00

Provoz on-premise nebo větší objemy? Kontaktovat obchod →

Dejte svému produktu hlas a uši.

Poslechněte si hlasy, přepište hovor v konzoli, nebo získejte API klíč a streamujte první zvuk během pár minut.