# Mihu Voice — דיבור לטקסט וטקסט לדיבור לשיחות חיות | Mihu AI

Mihu Voice · חדש

# קולות שנשמעים אנושיים. תמלול בזמן שמדברים.

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.

האזינו לקולות (https://voice.mihu.ai/he#voices) קבלו מפתח API (https://voice.mihu.ai/console/keys)

~80 ms

טקסט סופי אחרי שהמתקשר מסיים לדבר

7

שפות, דיבור לטקסט וטקסט לדיבור

10–30 s

של דיבור לשכפול קול

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.

שני מודלים, API אחד

## האוזניים והקול של כל סוכן Mihu, עכשיו פתוחים למוצר 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.

Umay

דיבור לטקסט, בזמן אמת ומקבצים

Ses

טקסט לדיבור, בהזרמה

שפות

TR, EN, DE, FR, IT, RU, ES

היכן זה פועל

אירופה, טורקיה או on-prem

Umay · דיבור לטקסט

## הטקסט מופיע בזמן שהמתקשר עדיין מדבר.

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.

שיחות חיות דרך WebSocket: 16 kHz PCM במסגרות של 100 ms, שקע אחד

קבצים בכל פורמט נפוץ דרך REST, מהיר פי 19.5× מזמן אמת במצב המהיר

תמיכה באודיו טלפוני של 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

טקסט חלקי וסופי בשיחה חיה, עם תיוג הדוברים תוך כדי דיבור.

### כל מה ש-Umay יודע לעשות

אפשרויות הדובר מופעלות לכל בקשה בנפרד; כשהן כבויות, אין השהיה נוספת.

תמלול קבצים מקובץ אודיו לטקסט. הבחירה המדויקת ביותר להקלטות. model=umay

תמלול חי טקסט בזמן שהאדם מדבר. לסוכנים קוליים ולשיחות. model=umay-stream

משימות אסינכרוניות התוצאה מגיעה ל-webhook שלכם. להקלטות ארוכות. webhook_url

עיצוב מספרים וטקסט ממילים מדוברות לצורה כתובה. מופעל כברירת מחדל. normalize

רמזים מעדיף את שמות הלקוחות והמקומות המקומיים שאתם מספקים. hints, hint_context

מודל שפה ידע לשוני נוסף לקבצים של דיבור מוקרא נקי. mode=normal

זיהוי מגדר המגדר של כל דובר, עם רמת ביטחון. לניתוב, לאנליטיקה ולפנייה. gender_detection

הפרדת דוברים מי אמר מה, כשמדברים שניים או יותר. diarize

נעילת דובר רק אדם אחד הופך לטקסט, גם כשמישהו מדבר בקרבת מקום. speaker_lock

בידוד קול מסיר קולות אחרים לפני הזיהוי. voice_isolation

טביעות קול ייחוס עוקב אחרי אדם מוכר מהשנייה הראשונה, גם אם מישהו אחר מדבר קודם. reference_voiceprint

אימות דובר האם זה האדם השמור? בדיקת עזר במהלך שיחה. POST /v1/voiceprints/verify

בידוד אודיו מחזיר את ההקלטה ללא קולות אחרים ורעשים. לארכיון ולשיתוף. 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

עיצוב חכם ושמות מקומות

## סכומים, תאריכים וכתובות יוצאים בדיוק כפי שמערכת CRM מצפה.

סכומים, 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.

1.68% שיעור שגיאות מילים על 500 כתובות מדוברות, 8 kHz, עם רמזי מקומות

97.2% ממשפטי הכתובות נכונים לחלוטין עם רמזי מקומות

Ses · טקסט לדיבור

## דיבור שנשמע מקומי.

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.

22 קולות מובנים ב-7 שפות, וגם קולות משלכם

אודיו של 24 kHz בפורמט pcm, wav, mp3, opus, aac או flac

Barge-in: סגירת החיבור עוצרת את הדיבור ברגע שהמתקשר מדבר

אופציונלי: יצירה ואימות לטורקית, והטעמה לרוסית

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. בקשה אחת, מוקראת נכון בכל שפה, מוזרמת תוך כדי יצירה.

שכפול קול

## קול משלכם מ-10–30 שניות של דיבור.

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

מדדי ביצועים · נובמבר 2026

## דיוק בכל 7 השפות.

כל מערכת נבדקת באותה שיטה על מאגרי בדיקה ציבוריים, עם נרמול של מספרים ותבניות. שיעור שגיאות מילים נמוך יותר עדיף.

דיבור לטקסט · Umay · FLEURS, שמע נקי

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%

טקסט לדיבור · Ses · תומלל בחזרה על ידי Whisper large-v3 ב-8 kHz

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%

Ses · זמן עד לשמע הראשון, על 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

טורקית נמדדה גם בשיחות טלפון ובשידורים. השיטות, כל המערכות שנבדקו והגרפים המלאים נמצאים בדף ההשוואות. כל מדדי הביצועים ← (https://voice.mihu.ai/he/benchmarks)

הקונסולה

## כל מה שה-API עושה, בדפדפן.

נסו קולות, תמללו, שכפלו ונהלו מפתחות בלי לכתוב קוד. ואתם מחליטים כמה זמן כל דבר נשמר.

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. קולות: 22 הקולות המובנים והקולות שלכם, עם קיצורי דרך לשכפול, הקראה, תמלול וקבלת מפתחות.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. טקסט לדיבור: הקלידו, בחרו קול ומהירות, בדקו את ההגייה והורידו.

### קולות

הקולות המובנים והקולות שלכם. האזינו לכל אחד מהם לפני השימוש.

### טקסט לדיבור

הקלידו, בחרו קול ושמעו אותו מתחיל תוך כ-0.1 s. הורדה כ-mp3, wav, flac ועוד.

### דיבור לטקסט

העלו קובץ או קישור, הקליטו, או עברו לשידור חי וצפו במילים מופיעות בזמן שאתם מדברים.

### מבודד קול

הסירו קולות רקע ורעשים מהקלטה; השוו לפני ואחרי.

### שכפול קול

קול מ-10–30 שניות של דיבור, עם בדיקת הקראה והסכמת הדובר.

### מפתחות API ושימוש

מפתחות לשרתים שלכם, קוד התחלה מהירה לכל אזור, וכמה הוצאתם.

אינטגרציה

## מתחבר למוקד השירות שכבר פועל אצלכם.

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.

אירופה: stt.eu.mihu.ai ו-tts.eu.mihu.ai

טורקיה: stt.tr.mihu.ai ו-tts.tr.mihu.ai, הנתונים נשארים במדינה (KVKK)

בשרתים שלכם: Docker על CPU, במצב לא מקוון, ללא צורך ב-GPU ובאינטרנט

ערכות OpenAI SDK הרשמיות עובדות על ידי שינוי כתובת ה-URL הבסיסית

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

### הגנת נתונים: KVKK ו-GDPR

### אודיו אינו נשמר

זרמים חיים מעובדים בזיכרון ולעולם אינם נכתבים לדיסק. קובץ נשמר רק בזמן שהוא מתומלל.

### תמלולים אינם נרשמים ביומן

תוצאות ה-API מוחזרות אליכם ואינן נשמרות. בקונסולה אתם בוחרים כמה זמן תמלולים נשמרים, מבכלל לא ועד 3 שנים.

### טביעות קול בהסכמה

הקלטות קול לעולם אינן נשמרות. נשמרת רק חתימה מספרית, ורק אם תבקשו; ניתן למחוק אותה לצמיתות.

תמחור

## משלמים על האודיו שאתם שולחים ועל התווים שאתם מקריאים.

מחירון ביורו. אפשרויות מחויבות בנפרד, רק כשאתם משתמשים בהן. קבצים וזרמים חיים עולים אותו דבר.

דיבור לטקסט · mihu-umay-v1

€0.09 לשעת אודיו

€0.0015 לדקת אודיו

טקסט לדיבור · mihu-ses-v1

€10 למיליון תווים

€0.01 לאלף תווים

אפשרויות דיבור לטקסט

€0.01 לכל אחת

לכל שיחה: בידוד קול, הפרדת דוברים, נעילת דובר, זיהוי מגדר. לכל בקשה: טביעות קול, אימות דובר.

כמה עולים עומסי עבודה טיפוסיים לפי המחירון

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 ← (https://mihu.ai/he/contact)

## תנו למוצר שלכם קול ואוזניים.

האזינו לקולות, תמללו שיחה בקונסולה, או קבלו מפתח API והזרימו את האודיו הראשון שלכם תוך דקות.

קבלו מפתח API (https://voice.mihu.ai/console/keys) קראו את התיעוד (https://developers.mihu.ai/stt/introduction)
