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.
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.
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.
Konuşmacı seçenekleri istek bazında açılır; kapalıyken ek gecikme olmaz.
model=umaymodel=umay-streamwebhook_urlnormalizehints, hint_contextmode=normalgender_detectiondiarizespeaker_lockvoice_isolationreference_voiceprintPOST /v1/voiceprints/verifyPOST /v1/audio/isolationTutarlar, 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.
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.
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 klonlayınHer sistem açık test setlerinde aynı yöntemle, sayılar ve biçimler normalize edilerek puanlandı. Daha düşük kelime hata oranı daha iyidir.
| 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% |
| 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% |
Türkçe ayrıca telefon görüşmeleri ve yayın kayıtlarında da ölçüldü. Yöntemler, test edilen tüm sistemler ve grafiklerin tamamı karşılaştırmalar sayfasında. Tüm karşılaştırmalar →
Kod yazmadan sesleri deneyin, transkripsiyon yapın, ses klonlayın ve anahtarlarınızı yönetin. Verilerin ne kadar süre saklanacağına da siz karar verirsiniz.
Hazır sesler ve kendi sesleriniz. Kullanmadan önce istediğinizi dinleyin.
Yazın, bir ses seçin ve yaklaşık 0,1 sn içinde başladığını duyun. mp3, wav, flac ve diğer formatlarda indirin.
Bir dosya veya bağlantı yükleyin, kayıt yapın ya da canlıya geçip konuştukça kelimelerin belirdiğini izleyin.
Bir kayıttan arka plan seslerini ve gürültüyü kaldırın; öncesini ve sonrasını karşılaştırın.
Okuma kontrolü ve konuşmacının onayıyla, 10–30 saniyelik konuşmadan bir ses.
Sunucularınız için anahtarlar, bölgeye göre hızlı başlangıç kodu ve harcamalarınız.
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.
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
Canlı akışlar bellekte işlenir ve asla diske yazılmaz. Bir dosya yalnızca transkripsiyonu sürdüğü sürece tutulur.
API sonuçları size döndürülür, saklanmaz. Konsolda transkriptlerin ne kadar kalacağını siz seçersiniz: hiç saklamamaktan 3 yıla kadar.
Ses kayıtları asla saklanmaz. Yalnızca sayısal bir imza tutulur, o da yalnızca siz isterseniz; kalıcı olarak silinebilir.
Liste fiyatları euro cinsindendir. Seçenekler yalnızca kullandığınızda ayrıca faturalandırılır. Dosyalar ve canlı akışlar aynı fiyattadır.
| 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 →
Sesleri dinleyin, konsolda bir aramanın transkriptini çıkarın ya da bir API anahtarı alıp ilk sesinizi dakikalar içinde aktarın.