# Mihu Voice — Převod řeči na text a textu na řeč | Mihu AI

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.

Poslechnout hlasy (https://voice.mihu.ai/cs#voices) Získat API klíč (https://voice.mihu.ai/console/keys)

~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

PARTIAL “Hi, I’d like to check my ord…” en · 0.44 s after speech starts

FINAL “Hi, I’d like to check my order status.” en · 79 ms after end of speech

S2 · FEMALE “It will be at your door tomorrow morning.” diarized · confidence 96%

FINAL “Can you send me the tracking link?” en · final text

Live call 16 kHz PCM, 100 ms frames, one socket. FINAL ~80 MS

WebSocket · live stream

REST · audio files

8 kHz phone audio

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.

Přepis souborů Ze zvukového souboru text. Nejpřesnější volba pro nahrávky. model=umay

Živý přepis Text, zatímco člověk mluví. Pro hlasové agenty a hovory. model=umay-stream

Asynchronní úlohy Výsledek dorazí na váš webhook. Pro dlouhé nahrávky. webhook_url

Formátování čísel a textu Vyslovená slova v psané podobě. Ve výchozím stavu zapnuto. normalize

Nápovědy Upřednostní jména zákazníků a místní názvy, které zadáte. hints, hint_context

Jazykový model Další jazykové znalosti pro soubory s čistou čtenou řečí. mode=normal

Rozpoznání pohlaví Pohlaví každého mluvčího s mírou jistoty. Pro směrování, analytiku a oslovení. gender_detection

Diarizace Kdo co řekl, když mluví dva nebo více lidí. diarize

Uzamčení mluvčího Do textu se dostane jen jeden člověk, i když někdo mluví poblíž. speaker_lock

Izolace hlasu Odstraní ostatní hlasy před rozpoznáním. voice_isolation

Referenční otisky hlasu Sleduje známou osobu od první sekundy, i když někdo jiný promluví dřív. reference_voiceprint

Ověření mluvčího Je to uložená osoba? Pomocná kontrola během hovoru. POST /v1/voiceprints/verify

Izolace zvuku Vrátí nahrávku bez ostatních hlasů a šumu. Pro archivaci a sdílení. POST /v1/audio/isolation

Aa Smart formatting “one thousand two hundred fifty dollars” → $1,250 ITN

Aa Dates and times “March third at four thirty” → 3 March, 16:30 ITN

⌕ Place-name boost Built-in lists + your own hotwords HOTWORDS

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 (https://voice.mihu.ai/console)

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

Jazyk

Chybovost slov

Přesnost slov

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%

Text na řeč · Ses · zpětně přepsáno Whisper large-v3 při 8 kHz

Jazyk

Chybovost slov

Přesnost slov

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%

Ses · čas do prvního zvuku, na CPU

TR 0.10 s

EN 0.11 s

DE 0.11 s

FR 0.15 s

ES 0.12 s

IT 0.13 s

RU 0.31 s

Turečtina je měřena také na telefonních hovorech a vysílání. Metody, všechny testované systémy a úplné grafy najdete na stránce benchmarků. Všechny benchmarky → (https://voice.mihu.ai/cs/benchmarks)

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

Úloha

Objem

Cena

Přepis 10,000 hovorů po 3 minutách

500 hodin zvuku

€45.00

Namluvení 10,000 odpovědí po 200 znacích

2 miliony znaků

€20.00

Přepis 1,000 hodin nahrávek

1,000 hodin zvuku

€90.00

10,000 hovorů po 3 minutách s diarizací mluvčích

500 hodin + 10,000 konverzací

€145.00

Provoz on-premise nebo větší objemy? Kontaktovat obchod → (https://mihu.ai/cs/contact)

## Dejte svému produktu hlas a uši.

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

Získat API klíč (https://voice.mihu.ai/console/keys) Přečíst dokumentaci (https://developers.mihu.ai/stt/introduction)
