# Mihu Voice — Aramalar için Sesten Metne ve Metinden Sese | Mihu AI

Mihu Voice · Yeni

# İnsan gibi konuşan sesler. Konuşulurken oluşan transkriptler.

Mihu Voice, canlı aramalar için geliştirdiğimiz kendi konuşma altyapımızdır: Umay, arayan kişi daha konuşurken sesi metne çevirir; Ses ise metni yedi dilde doğal konuşmaya dönüştürür. Tek API; Avrupa'da veya Türkiye'de barındırılır ya da kendi sunucularınızda çalışır.

Sesleri deneyin (https://voice.mihu.ai/tr#voices) API anahtarı alın (https://voice.mihu.ai/console/keys)

~80 ms

Arayan sustuktan sonra nihai metin

7

Dil, sesten metne ve metinden sese

10–30 s

konuşmayla ses klonlama

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.

İki model, tek API

## Her Mihu ajanının kulağı ve sesi, artık sizin ürününüze de açık.

Sesten metne için mihu-umay-v1 ve metinden sese için mihu-ses-v1, REST ve WebSocket üzerinden tek bir API anahtarıyla çalışır. İkisi de her bölgede aynı şekilde yanıt verir ve yalnızca base URL değiştirilerek resmi OpenAI SDK'larıyla kullanılabilir.

Umay

Sesten metne, canlı ve dosya

Ses

Metinden sese, akış halinde

Diller

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

Nerede çalışır

Avrupa, Türkiye veya on-premise

Umay · sesten metne

## Arayan daha konuşurken metin ekranda belirir.

Kişi konuştukça ara metin akar. Konuşma bittikten yaklaşık 80 ms sonra, göz kırpmaktan daha kısa sürede nihai cümle hazırdır; böylece ajanınız duraksamadan yanıt verebilir.

Türkçe okunmuş konuşmada Umay'ın kelime hata oranı %3,42; test ettiğimiz dokuz sistem arasında en düşük. Yalnızca Türkçe modunda tek bir sunucu 256 canlı aramaya kadar işler.

WebSocket üzerinden canlı aramalar: 100 ms'lik çerçevelerde 16 kHz PCM, tek soket

Yaygın tüm formatlarda dosyalar REST üzerinden; hızlı modda gerçek zamandan 19,5× daha hızlı

8 kHz telefon sesi desteklenir

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

Canlı bir aramada ara ve nihai metin; konuşmacılar konuştukça etiketlenir.

### Umay'ın yapabildiği her şey

Konuşmacı seçenekleri istek bazında açılır; kapalıyken ek gecikme olmaz.

Dosya transkripsiyonu Ses dosyasından metne. Kayıtlar için en doğru seçenek. model=umay

Canlı transkripsiyon Kişi konuşurken metin. Sesli ajanlar ve aramalar için. model=umay-stream

Asenkron işler Sonuç webhook'unuza gelir. Uzun kayıtlar için. webhook_url

Sayı ve metin biçimlendirme Konuşulan ifadeleri yazılı biçime çevirir. Varsayılan olarak açık. normalize

İpuçları Verdiğiniz müşteri adlarını ve yerel yer adlarını önceliklendirir. hints, hint_context

Dil modeli Temiz okunmuş konuşma içeren dosyalarda ek dil bilgisi. mode=normal

Cinsiyet tespiti Her konuşmacının cinsiyeti, güven skoruyla. Yönlendirme, analiz ve hitap için. gender_detection

Konuşmacı ayrıştırma İki veya daha fazla kişi konuştuğunda kim ne dedi. diarize

Konuşmacı kilidi Yakında başka biri konuşsa bile yalnızca bir kişinin konuşması metne dönüşür. speaker_lock

Ses izolasyonu Tanımadan önce diğer sesleri temizler. voice_isolation

Referans ses izleri Başka biri önce konuşsa bile bilinen bir kişiyi ilk saniyeden takip eder. reference_voiceprint

Konuşmacı doğrulama Bu, kayıtlı kişi mi? Görüşme sırasında yardımcı bir kontrol. POST /v1/voiceprints/verify

Ses temizleme Kaydı diğer sesler ve gürültü olmadan geri verir. Arşiv ve paylaşım için. 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

Akıllı biçimlendirme ve yer adları

## Tutarlar, tarihler ve adresler CRM'in beklediği biçimde çıkar.

Tutarlar, tarihler ve plakalar rakamla yazılır; bu yalnızca yaklaşık 6 ms ekler. Yerleşik ilçe ve mahalle listeleri ile kendi anahtar kelimeleriniz, canlı yer adı doğruluğunu 3 ila 8 puan artırır.

1.68% yer ipuçlarıyla 500 sesli adreste kelime hata oranı, 8 kHz

97.2% yer ipuçlarıyla tamamen doğru çıkan adres cümlesi oranı

Ses · metinden sese

## Kulağa yerel gelen konuşma.

Ses; adresleri, yer adlarını, tutarları, tarihleri, plakaları ve telefon numaralarını yedi dilin hepsinde insanların söylediği gibi okur. Cümlenin tamamı sentezlenmeden ses akışı başlar; ilk ses yaklaşık 0,1 sn içinde gelir.

7 dilde 22 hazır ses ve kendi sesleriniz

pcm, wav, mp3, opus, aac veya flac olarak 24 kHz ses

Söz kesme (barge-in): arayan konuştuğu anda bağlantıyı kapatmak konuşmayı durdurur

İsteğe bağlı Türkçe üret-ve-doğrula ve Rusça vurgu

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. Tek istek, her dilde doğru okunur ve üretildikçe akış halinde gelir.

Ses klonlama

## 10–30 saniyelik konuşmadan kendi sesiniz.

Kısa bir örnek kaydedin; Ses, 22 hazır sesin yanında kullanabileceğiniz özel bir ses oluşturur. Her klon bir okuma kontrolünden geçer ve konuşmacının onayını gerektirir. Kayıt yalnızca sesi oluşturmak için kullanılır ve ardından silinir; yalnızca sesin kendisi saklanır.

Konsolda ses klonlayın (https://voice.mihu.ai/console)

Karşılaştırmalar · Kasım 2026

## 7 dilin hepsinde doğruluk.

Her sistem açık test setlerinde aynı yöntemle, sayılar ve biçimler normalize edilerek puanlandı. Daha düşük kelime hata oranı daha iyidir.

Sesten metne · Umay · FLEURS, temiz ses

Dil

Kelime hata oranı

Kelime doğruluğu

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%

Metinden sese · Ses · Whisper large-v3 ile 8 kHz'de geri okundu

Dil

Kelime hata oranı

Kelime doğruluğu

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 · ilk sese kadar geçen süre, CPU üzerinde

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

Türkçe ayrıca telefon görüşmeleri ve yayın kayıtlarında da ölçüldü. Yöntemler, test edilen tüm sistemler ve grafiklerin tamamı karşılaştırmalar sayfasında. Tüm karşılaştırmalar → (https://voice.mihu.ai/tr/benchmarks)

Konsol

## API'nin yaptığı her şey, tarayıcıda.

Kod yazmadan sesleri deneyin, transkripsiyon yapın, ses klonlayın ve anahtarlarınızı yönetin. Verilerin ne kadar süre saklanacağına da siz karar verirsiniz.

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. Sesler: 22 hazır ses ve kendi sesleriniz; klonlama, seslendirme, transkripsiyon ve anahtar alma kısayollarıyla.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. Metinden Sese: yazın, ses ve hız seçin, telaffuzu kontrol edin ve indirin.

### Sesler

Hazır sesler ve kendi sesleriniz. Kullanmadan önce istediğinizi dinleyin.

### Metinden Sese

Yazın, bir ses seçin ve yaklaşık 0,1 sn içinde başladığını duyun. mp3, wav, flac ve diğer formatlarda indirin.

### Sesten Metne

Bir dosya veya bağlantı yükleyin, kayıt yapın ya da canlıya geçip konuştukça kelimelerin belirdiğini izleyin.

### Ses Ayırıcı

Bir kayıttan arka plan seslerini ve gürültüyü kaldırın; öncesini ve sonrasını karşılaştırın.

### Ses Klonla

Okuma kontrolü ve konuşmacının onayıyla, 10–30 saniyelik konuşmadan bir ses.

### API anahtarları ve kullanım

Sunucularınız için anahtarlar, bölgeye göre hızlı başlangıç kodu ve harcamalarınız.

Entegrasyon

## Halihazırda kullandığınız iletişim merkezine bağlanır.

Mihu SDK'sı gerekmez ve sizin tarafınızda hiçbir şey çalışmaz. Canlı aramalar sesi WebSocket üzerinden aktarır; dosyalar ve sentez düz HTTPS kullanır. Bölge seçmek yalnızca host'u değiştirir.

Avrupa: stt.eu.mihu.ai ve tts.eu.mihu.ai

Türkiye: stt.tr.mihu.ai ve tts.tr.mihu.ai, veriler ülkede kalır (KVKK)

Kendi sunucularınızda: CPU üzerinde Docker, çevrimdışı, GPU ve internet gerekmez

Resmi OpenAI SDK'ları base URL değiştirilerek çalışır

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

### Veri koruma: KVKK ve GDPR

### Ses saklanmaz

Canlı akışlar bellekte işlenir ve asla diske yazılmaz. Bir dosya yalnızca transkripsiyonu sürdüğü sürece tutulur.

### Transkriptler loglanmaz

API sonuçları size döndürülür, saklanmaz. Konsolda transkriptlerin ne kadar kalacağını siz seçersiniz: hiç saklamamaktan 3 yıla kadar.

### Onaya bağlı ses izleri

Ses kayıtları asla saklanmaz. Yalnızca sayısal bir imza tutulur, o da yalnızca siz isterseniz; kalıcı olarak silinebilir.

Fiyatlandırma

## Gönderdiğiniz ses ve seslendirdiğiniz karakter kadar ödeyin.

Liste fiyatları euro cinsindendir. Seçenekler yalnızca kullandığınızda ayrıca faturalandırılır. Dosyalar ve canlı akışlar aynı fiyattadır.

Sesten metne · mihu-umay-v1

€0.09 ses saati başına

ses dakikası başına 0,0015 €

Metinden sese · mihu-ses-v1

€10 milyon karakter başına

bin karakter başına 0,01 €

Sesten metne seçenekleri

€0.01 her biri

Görüşme başına: ses izolasyonu, konuşmacı ayrıştırma, konuşmacı kilidi, cinsiyet tespiti. İstek başına: ses izleri, konuşmacı doğrulama.

Tipik iş yüklerinin liste fiyatıyla maliyeti

İş yükü

Hacim

Maliyet

3 dakikalık 10.000 aramanın transkripsiyonu

500 saat ses

€45.00

200 karakterlik 10.000 yanıtın seslendirilmesi

2 milyon karakter

€20.00

1.000 saatlik kaydın transkripsiyonu

1.000 saat ses

€90.00

Konuşmacı ayrıştırmalı, 3 dakikalık 10.000 arama

500 saat + 10.000 görüşme

€145.00

On-premise kurulum ya da daha yüksek hacim mi gerekiyor? Satış ekibiyle görüşün → (https://mihu.ai/tr/contact)

## Ürününüze ses ve kulak kazandırın.

Sesleri dinleyin, konsolda bir aramanın transkriptini çıkarın ya da bir API anahtarı alıp ilk sesinizi dakikalar içinde aktarın.

API anahtarı alın (https://voice.mihu.ai/console/keys) Dokümantasyonu okuyun (https://developers.mihu.ai/stt/introduction)
