Mihu Voice היא מערך הדיבור שלנו, שנבנה לשיחות חיות: Umay ממיר דיבור לטקסט בזמן שהמתקשר עדיין מדבר, ו-Ses ממיר טקסט לדיבור טבעי בשבע שפות. API אחד, מתארח באירופה או בטורקיה, או בשרתים שלכם.
mihu-umay-v1 לדיבור לטקסט ו-mihu-ses-v1 לטקסט לדיבור זמינים במפתח API אחד, דרך REST ו-WebSocket. שניהם עונים באותו אופן בכל אזור ועובדים עם ערכות OpenAI SDK הרשמיות פשוט על ידי שינוי כתובת ה-URL הבסיסית.
טקסט חלקי זורם בזמן שהאדם מדבר. המשפט הסופי מוכן כ-80 ms אחרי שהוא מסיים, מהר יותר ממצמוץ, כך שהסוכן שלכם יכול לענות בלי הפסקה.
בדיבור מוקרא בטורקית, שיעור שגיאות המילים של Umay הוא 3.42%, הנמוך ביותר מבין תשע המערכות שבדקנו. במצב טורקית בלבד, שרת אחד מטפל בעד 256 שיחות חיות.
אפשרויות הדובר מופעלות לכל בקשה בנפרד; כשהן כבויות, אין השהיה נוספת.
model=umaymodel=umay-streamwebhook_urlnormalizehints, hint_contextmode=normalgender_detectiondiarizespeaker_lockvoice_isolationreference_voiceprintPOST /v1/voiceprints/verifyPOST /v1/audio/isolationסכומים, תאריכים ולוחיות רישוי נכתבים כמספרים, בתוספת של כ-6 ms בלבד. רשימות מובנות של מחוזות ושכונות, יחד עם מילות מפתח משלכם, משפרות את דיוק שמות המקומות בזמן אמת ב-3 עד 8 נקודות.
Ses קורא כתובות, שמות מקומות, סכומים, תאריכים, לוחיות רישוי ומספרי טלפון כפי שאנשים אומרים אותם, בכל שבע השפות. האודיו מוזרם בחזרה עוד לפני שכל המשפט סונתז, ומתחיל תוך כ-0.1 s.
הקליטו דגימה קצרה ו-Ses יבנה קול מותאם אישית שתוכלו להשתמש בו לצד 22 הקולות המובנים. כל שכפול עובר בדיקת הקראה ודורש את הסכמת הדובר. ההקלטה משמשת לבניית הקול ואז נמחקת; רק הקול עצמו נשמר.
שכפלו קול בקונסולהכל מערכת נבדקת באותה שיטה על מאגרי בדיקה ציבוריים, עם נרמול של מספרים ותבניות. שיעור שגיאות מילים נמוך יותר עדיף.
| שפה | שיעור שגיאות מילים | דיוק מילים |
|---|---|---|
| Türkçe | 3.42% | 96.58% |
| English | 6.44% | 93.56% |
| Deutsch | 6.46% | 93.54% |
| Français | 6.70% | 93.30% |
| Español | 3.68% | 96.32% |
| Italiano | 3.34% | 96.66% |
| Русский | 5.61% | 94.39% |
| שפה | שיעור שגיאות מילים | דיוק מילים |
|---|---|---|
| Türkçe | 3.38% | 96.62% |
| English | 1.29% | 98.71% |
| Deutsch | 3.62% | 96.38% |
| Français | 4.41% | 95.59% |
| Español | 2.53% | 97.47% |
| Italiano | 3.36% | 96.64% |
| Русский | 5.04% | 94.96% |
טורקית נמדדה גם בשיחות טלפון ובשידורים. השיטות, כל המערכות שנבדקו והגרפים המלאים נמצאים בדף ההשוואות. כל מדדי הביצועים ←
נסו קולות, תמללו, שכפלו ונהלו מפתחות בלי לכתוב קוד. ואתם מחליטים כמה זמן כל דבר נשמר.
הקולות המובנים והקולות שלכם. האזינו לכל אחד מהם לפני השימוש.
הקלידו, בחרו קול ושמעו אותו מתחיל תוך כ-0.1 s. הורדה כ-mp3, wav, flac ועוד.
העלו קובץ או קישור, הקליטו, או עברו לשידור חי וצפו במילים מופיעות בזמן שאתם מדברים.
הסירו קולות רקע ורעשים מהקלטה; השוו לפני ואחרי.
קול מ-10–30 שניות של דיבור, עם בדיקת הקראה והסכמת הדובר.
מפתחות לשרתים שלכם, קוד התחלה מהירה לכל אזור, וכמה הוצאתם.
אין צורך ב-Mihu SDK ושום דבר לא רץ אצלכם. שיחות חיות מזרימות אודיו דרך WebSocket; קבצים וסינתזה משתמשים ב-HTTPS רגיל. בחירת אזור משנה רק את המארח.
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
זרמים חיים מעובדים בזיכרון ולעולם אינם נכתבים לדיסק. קובץ נשמר רק בזמן שהוא מתומלל.
תוצאות ה-API מוחזרות אליכם ואינן נשמרות. בקונסולה אתם בוחרים כמה זמן תמלולים נשמרים, מבכלל לא ועד 3 שנים.
הקלטות קול לעולם אינן נשמרות. נשמרת רק חתימה מספרית, ורק אם תבקשו; ניתן למחוק אותה לצמיתות.
מחירון ביורו. אפשרויות מחויבות בנפרד, רק כשאתם משתמשים בהן. קבצים וזרמים חיים עולים אותו דבר.
| עומס עבודה | היקף | עלות |
|---|---|---|
| תמלול 10,000 שיחות של 3 דקות | 500 שעות אודיו | €45.00 |
| הקראת 10,000 תשובות של 200 תווים | 2 מיליון תווים | €20.00 |
| תמלול 1,000 שעות של הקלטות | 1,000 שעות אודיו | €90.00 |
| 10,000 שיחות של 3 דקות עם הפרדת דוברים | 500 שעות + 10,000 שיחות | €145.00 |
פועלים on-prem או בהיקפים גדולים יותר? שיחה עם צוות המכירות ←
האזינו לקולות, תמללו שיחה בקונסולה, או קבלו מפתח API והזרימו את האודיו הראשון שלכם תוך דקות.