جديد SES v1 + Umay v17 لغات · منطقتان (الولايات المتحدة قريبًا)

أصوات تبدو بشرية. ونصوص أثناء الكلام.

SES يحوّل نصك إلى كلام طبيعي. Umay يدوّن كل كلمة لحظة نطقها. mihu voice يمنح منتجك صوتًا وأذنين.

التركية والإنجليزية والألمانية والفرنسية والإيطالية والروسية والإسبانية · استضافة في أوروبا أو تركيا، أو على خوادمك الخاصة · الولايات المتحدة قريبًا

mihu
صوت هاتفي
WebSocket
ملفات صوتية
mihu-umay-v1
mihu-ses-v1
تمييز المتحدثين · العزل · ITN
النص النهائي80 ms“Where is my order?” · en
تم تركيب الكلام24 kHz“16:30” → las cuatro y media · es

7 لغات، الكلام إلى نص والنص إلى كلام

EnglishenEspañolesTürkçetrDeutschdeFrançaisfrItalianoitРусскийruEnglishenEspañolesTürkçetrDeutschdeFrançaisfrItalianoitРусскийru

مكتبة الأصوات · mihu-ses-v1

أصوات تبدو محلية

22 صوتًا في 7 لغات. اختر صوتًا واستمع: كل عينة هي mihu-ses-v1 يقرأ الجملة المعروضة أدناه.

Alp

Türkçe · صوت ذكوري

Merhaba, ben Alp. Aradığınız için teşekkürler, size nasıl yardımcı olabilirim?

اضغط تشغيل: تُضاء الجملة أثناء قراءتها

نموذجان، واجهة API واحدة، سبع لغات

mihu-umay-v1 لتحويل الكلام إلى نص وmihu-ses-v1 لتحويل النص إلى كلام، عبر واجهة API واحدة تعمل بـ HTTPS وWebSocket، مستضافة في أوروبا أو تركيا (الولايات المتحدة قريبًا)، أو على خوادمك الخاصة.

mihu-umay-v1 · تحويل الكلام إلى نص مصمَّم للمكالمات المباشرة

يظهر النص بينما لا يزال المتصل يتحدث؛ وتصبح الجملة النهائية جاهزة بعد نحو 80 ملّي ثانية من توقفه، أسرع من طرفة عين، فيردّ وكيلك دون توقف. معدل خطأ الكلمات 3.42% على الكلام التركي المقروء (FLEURS). في وضع التركية فقط يتعامل خادم واحد مع ما يصل إلى 256 مكالمة مباشرة، مع خيارات التطبيع وعزل الصوت نفسها.

جزئي“Merhaba, siparişim ne za…”tr · 0.44 ث بعد بدء الكلام
نهائي“Merhaba, siparişim ne zaman gelir?”tr · 79 ملّي ثانية بعد انتهاء الكلام
S2 · أنثى“Yarın sabah kapınızda olacak.”مميَّز المتحدث · ثقة 96%
نهائي“Ich habe eine Frage zur Rechnung.”de · النص النهائي
نهائي“¿Me puede repetir la dirección?”es · النص النهائي
جزئي“Je voudrais changer la da…”fr · بث متدفق
جزئي“Merhaba, siparişim ne za…”tr · 0.44 ث بعد بدء الكلام
نهائي“Merhaba, siparişim ne zaman gelir?”tr · 79 ملّي ثانية بعد انتهاء الكلام
S2 · أنثى“Yarın sabah kapınızda olacak.”مميَّز المتحدث · ثقة 96%
نهائي“Ich habe eine Frage zur Rechnung.”de · النص النهائي
نهائي“¿Me puede repetir la dirección?”es · النص النهائي
جزئي“Je voudrais changer la da…”fr · بث متدفق
مكالمة مباشرةPCM بتردد 16 كيلوهرتز، إطارات 100 ملّي ثانية، مقبس واحد.النهائي ~80 ملّي ثانيةWER 3.42%

المدخلات

WebSocket · بث مباشر REST · ملفات صوتية صوت هاتفي 8 كيلوهرتز

mihu-ses-v1 · كلام يبدو محليًا

يقرأ العناوين وأسماء الأماكن والمبالغ والتواريخ ولوحات السيارات وأرقام الهواتف كما ينطقها الناس، في اللغات السبع كلها. ويصل الصوت تدفقيًا قبل اكتمال تركيب الجملة بأكملها.

POST /v1/audio/speech
“Your order of $1,250 ships to 17 Oak St”
مخرج الصوت24 kHz PCMبث متدفق
English“17 Oak St, Apt 4” → seventeen Oak Street, apartment fouren
Español“16:30” → las cuatro y mediaes
Türkçe“No: 17 Daire: 4” → on yedi numara, daire dörttr
قراءة ذكية

3.38% WER (tr)

95.6% أسماء أماكن صحيحة

7 لغات

من قال ماذا، مباشرةً

كشف الجنس، وتمييز المتحدثين، وتثبيت المتحدث، وعزل الصوت لخطوط الهاتف المليئة بالضوضاء. تُفعَّل كل ميزة لكل طلب على حدة؛ وإيقافها يعني عدم وجود أي تأخير إضافي.

المكالمةاللغةالمتحدثالجنسالنص النهائيالحالة
S2 · أنثى · 96%
واردة · التركية · 256 مكالمة مباشرة
النص النهائي p95< 0.35 s

تنسيق ذكي وأسماء أماكن

“bin iki yüz elli lira” تصبح 1.250 TL، وتخرج التواريخ ولوحات السيارات بالشكل الذي يتوقعه نظام CRM. قوائم مدمجة للأقضية والأحياء، إلى جانب كلماتك المفتاحية الخاصة، ترفع دقة أسماء الأماكن في البث المباشر بمقدار 3 إلى 8 نقاط.

تنسيق ذكي“bin iki yüz elli lira” → 1.250 TL · يضيف ~6 ملّي ثانيةitn
تعزيز أسماء الأماكنأحياء دنيزلي · 86% ← 94% · يضيف ~10 ملّي ثانيةhotwords
قوائم مدمجة · 5 مدن
كلماتك الخاصة

Adresim Yukarı Yeniköy Mahallesi, No: 17 Daire: 4. Tutar 1.250 TL.

— متصل، دنيزلي

مصمَّم لمراكز الاتصال والوكلاء الصوتيين

mihu voice

تقرير التقييم · نوفمبر 2026

قِيس على صوت المكالمات الهاتفية، لا على العروض التوضيحية.

ثلاث مجموعات اختبار تركية عامة، و500 عنوان منطوق، و1,273 جملة للتركيب الصوتي، مع تقييم كل الأنظمة بالطريقة نفسها. كلما انخفض معدل خطأ الكلمات كان أفضل.

3.42%

WER على الكلام المقروء

مجموعة اختبار FLEURS التركية، 743 مقطعًا. الأدنى في المقارنة.

الشكل 2

1.68%

WER على العناوين المنطوقة

500 عنوان، 8 كيلوهرتز، مع تلميحات الأماكن.

الجدول 3

19.5×

أسرع من الزمن الحقيقي

ملفات عبر واجهة API لمنطقة تركيا، الوضع السريع.

الجدول 3

3.38%

معدل خطأ الكلمات في تحويل النص إلى كلام

1,273 جملة من المجموعة المفتوحة mihuai/turkish-tts-eval.

الشكل 3

FLEURS tr_tr test · 743 مقطعًا

mihu-umay-v1

3.00

openai/whisper-large-v3

3.00

turkmedstt/whisper-large-v3-turkish-general

3.00

balbal-v2-manas

4.00

openai/whisper-large-v3-turbo

4.00

mihuai/turkish-stt-66m-v2

5.00

balbal-v2

5.00

Qwen/Qwen3-ASR-1.7B

6.00

PatientDesk/Duyu-small

6.00

الشكل 2. معدل خطأ الكلمات بالنسبة المئوية، والأقل أفضل، اللغة التركية، قاعدة تقييم متوسطة (تُقبل صيغ الأرقام والتنسيقات المختلفة). يحتل mihu-umay-v1 المركز الأول من أصل 9 على الكلام المقروء. الأعمدة التي تتجاوز المحور مقطوعة ومعلَّمة بـ →.

وضوح الكلام المركَّب

mihuai/turkish-tts-eval
mihu-ses-v1
3.00
Antalia-2 Mini
3.00
EMA Lightning 1.1.2
7.00
Piper
9.00
Anka TTS 0.1.6
9.00
Trendyol-TTS
11.00
FreyaTTS-small
40.00 →

الشكل 3. يقرأ كل نظام الجمل نفسها البالغ عددها 1,273 جملة من جمل مراكز الاتصال في مجموعة البيانات المفتوحة mihuai/turkish-tts-eval؛ ويفرّغ نظام تعرّف مستقل الصوت نصيًا. معدل خطأ الكلمات بالنسبة المئوية، وكلما انخفض كان الكلام أسهل فهمًا. سبعة أنظمة تركية لتحويل النص إلى كلام؛ وكل الرسوم والجداول موجودة في صفحة المقاييس المرجعية.

الجدول 2. طبيعية الصوت المركَّب نفسه. درجات جودة متوقَّعة، والأعلى أفضل؛ الأفضل في كل عمود بالخط العريض.

النظامUTMOSv2SCOREQDNSMOS Pro
mihu-ses-v13.314.103.64
Antalia-2 Mini2.783.363.63
Trendyol-TTS2.884.253.91
EMA Lightning 1.1.22.683.543.25
Anka TTS 0.1.62.663.553.93
FreyaTTS-small2.452.573.18

يحقق mihu-ses-v1 أعلى درجة UTMOSv2 إجمالًا وفي جميع فئات الجمل الـ 13 في المجموعة. المتنبئات الثلاثة لا تتفق فيما بينها، ولا تغني عن اختبار استماع بشري.

مجموعتا اختبار تركيتان لتحويل النص إلى كلام

مركز الاتصال مقابل الكلام اليومي

mihuai/turkish-tts-eval1,273 جملة · الشكل 3

مجموعتنا المرجعية لكلام مراكز الاتصال، مبنية على محادثات حقيقية مع العملاء: مبالغ، وأرقام حسابات وهويات، وعناوين، وعناوين بريد إلكتروني ومواقع ويب، وأسماء مهجّأة، وتنسيقات مختلطة. صعبة عن قصد.

freyavoice/freya-tr-eval495 جملة · CC-BY-4.0

مجموعة محادثة يومية: جمل قصيرة من 3 إلى 13 كلمة عن الحياة اليومية، وأسئلة وتعجبات، مع قليل من الأرقام أو الرموز. أسهل، لذا تسجّل كل الأنظمة معدلات أخطاء أقل هنا.

معدل خطأ الكلمات على freya-tr-eval، %

EMA Lightning 1.1.2
0.00
Trendyol-TTS
1.00
Antalia-2 Mini
1.00
mihu-ses-v1
1.00
Anka TTS 0.1.6
1.00
Piper
3.00
FreyaTTS-small
12.00 →

التقييم نفسه كما في الشكل 3. في مجموعة المحادثة تتقارب الأنظمة الرائدة بفارق جزء من نقطة مئوية؛ أما مجموعة مراكز الاتصال فهي التي تُظهر الفروق بين الأنظمة.

الشكل 4. تقيس مجموعة مراكز الاتصال ما يحتاج مركز الاتصال إلى قراءته بشكل صحيح؛ وتقيس المجموعة اليومية الكلام الحواري العادي. كلما انخفض معدل خطأ الكلمات كان أفضل.

الجدول 3. أرقام الخدمة الحية، منطقة تركيا، 3 نوفمبر 2026.

القياسالإعدادالنتيجة
سرعة تفريغ الملفات، 743 مقطعًاالوضع السريع19.5× الزمن الحقيقي
سرعة تفريغ الملفات، 743 مقطعًاالوضع العادي8.5× الزمن الحقيقي
نتائج فاشلة أو مفقودة أو فارغة743 مقطعًا0
معدل خطأ الكلمات في العناوين، 500 عنوان، 8 كيلوهرتزدون ← مع تلميحات الأماكن2.22 % ← 1.68 %
جمل العناوين الصحيحة بالكامل، 8 كيلوهرتزدون ← مع تلميحات الأماكن92.6 % ← 97.2 %
الحي مسموع بشكل صحيح، 8 كيلوهرتزدون ← مع تلميحات الأماكن95.6 % ← 98.2 %

المنهجية. قاعدة تقييم متوسطة في كل القياسات. الهاتف: مجموعة اختبار هاتفية تركية عامة، استُخدمت للاختبار فقط. الإعلام: تُحتسب فقط مقاطع MediaSpeech الـ 502 المحجوبة عن تدريب mihu. السرعة مقيسة من طرف إلى طرف عبر واجهة API العامة، بما في ذلك الشبكة. صوت العناوين اصطناعي.

هل تريد أن يظهر نظامك في هذه الجداول؟

أرسل إلينا وصولًا إلى واجهة API أو النموذج، وسنشغّله على مجموعات الاختبار نفسها وبالتقييم نفسه، ونعرض عليك النتائج أولًا، ثم ننشرها هنا أيًّا كانت.

[email protected] →

كل المقاييس المرجعية ←

mihu voice1
mihu voice

دمج تحويل الكلام إلى نص والنص إلى كلام في مركز اتصال

مطورو mihu voice · developers.mihu.ai

يعمل نموذجان خلف مفتاح API واحد: Umay للتعرف على الكلام وSes لتركيب الكلام. كلاهما متاح عبر REST وWebSocket، ويستجيب بالطريقة نفسها في كل منطقة، ويقبل حِزم OpenAI SDK الرسمية بمجرد تغيير عنوان URL الأساسي. توضح هذه المذكرة كيف يندمجان في مركز اتصال قائم، وتقدم طلبًا عمليًا لكل استخدام، وتسرد ما تدعمه كل واجهة، وتبيّن كيفية التعامل مع المفاتيح والبيانات والبصمات الصوتية.

البنية

يتصل العملاء مباشرة بالمنطقة التي يختارونها؛ لا حاجة إلى أي SDK من mihu ولا يعمل أي شيء على جانبك. تبث المكالمات المباشرة الصوت عبر WebSocket، وتستخدم الملفات والتركيب الصوتي HTTPS العادي.[1][4] وحيث لا يجوز للبيانات مغادرة شبكتك، تعمل الخدمة نفسها على خوادمك الخاصة.

(a) أنظمتك

مركز الاتصال / IVR

صوت المتصل المباشر

وكيل صوتي

النص النهائي ← LLM ← كلام

تسجيلات المكالمات

أرشيف، ضمان الجودة، تحليلات

HTTPS، WSS، مفتاح Bearer

(b) واجهة mihu voice API

Umay — الكلام إلى نص

WS /v1/stream WS /v1/realtime POST /v1/audio/transcriptions

Ses — النص إلى كلام

POST /v1/audio/speech GET /v1/voices

البيانات تبقى في المنطقة

(c) أين يعمل

أوروبا

stt.eu.mihu.ai tts.eu.mihu.ai

تركيا

stt.tr.mihu.ai tts.tr.mihu.ai

خوادمك

Docker محلي على CPU، دون اتصال

الشكل 1. نظرة عامة على النشر. يصل العملاء إلى النموذجين عبر HTTPS وWebSocket بمفتاح API واحد؛ ويُخدَم كل طلب، وتُحفظ بياناته، في المنطقة التي يستدعي مضيفها.

التكامل

كل قائمة أدناه تعمل كما هي بمجرد تعيين KEY. اختيار المنطقة لا يغيّر سوى المضيف.[2][3][5]

|
المنطقة
WS /v1/stream · python
1import asyncio, json, websockets23URL = "wss://stt.eu.mihu.ai/v1/stream?model=umay-stream&language=tr&api_key=KEY"45async def transcribe(chunks):        # 100 ms of 16 kHz mono int16 PCM6    async with websockets.connect(URL, max_size=None) as ws:7        async def read():8            async for m in ws:9                d = json.loads(m)10                if d["type"] == "final":11                    print(d["text"])  # send this to your LLM12        reader = asyncio.create_task(read())13        for chunk in chunks:14            await ws.send(chunk)15        await ws.send(json.dumps({"event": "end"}))16        await reader

أحداث الخادم

{"type":"partial","text":"adresiniz şirin","segment":0}
{"type":"final","text":"Adresiniz Şirinyer Mahallesi.","segment":0,"start":0.4,"end":3.1}
{"type":"speaker","speaker":"S1","gender":"female","percent":97}
{"type":"usage","audio_seconds":42.1}

المعاملات

language, normalize, hints, gender_detection, diarize, speaker_lock, voice_isolation

القائمة 1. الكلام إلى نص، المكالمات المباشرة (WebSocket، PCM بتردد 16 كيلوهرتز). المضيف stt.eu.mihu.ai؛ الدليل الكامل على developers.mihu.ai/stt/native-api.

المواصفات التقنية

الجدول 1. واجهات النموذجين وقدراتهما.

الكلام إلى نص (Umay)النص إلى كلام (Ses)
النموذجmihu-umay-v1: umay للملفات، umay-stream للبث المباشرmihu-ses-v1
الواجهاتREST؛ WebSocket (أصلي)؛ WebSocket (OpenAI Realtime)REST، متدفق أثناء التوليد؛ Server-sent events
الصوتملفات بأي صيغة شائعة، يُعاد أخذ عيناتها إلى 16 كيلوهرتز. المباشر: PCM أحادي 16 بت بتردد 16 كيلوهرتز في إطارات مدتها 100 ملّي ثانية24 كيلوهرتز أحادي؛ pcm (افتراضي)، wav، mp3، opus، aac، flac
اللغاتtr, en, de, fr, it, ru, estr, en, de, fr, it, ru, es
التوافق مع SDKحِزم OpenAI SDK الرسمية، بتغيير base_urlحِزم OpenAI SDK الرسمية، بتغيير base_url
معالجة النصالمبالغ والتواريخ تُكتب أرقامًا؛ تصحيح اللهجات التركية وأسماء الأماكن؛ تلميحات العباراتقراءة الأرقام والتواريخ والاختصارات؛ تحقق تركي اختياري بأسلوب “التوليد ثم التحقق”؛ النبر في الروسية
المتحدثون، الأصواتتمييز المتحدثين، كشف الجنس، تثبيت المتحدث، بصمات صوتية بموافقة، تحقق موقَّع22 صوتًا مدمجًا؛ أصوات مخصصة من تسجيل
المهام الطويلة، التحكمتفريغ غير متزامن مع webhook_url؛ مهام عزل الصوتإغلاق الاتصال يوقف التركيب (barge-in)
الضغط العكسيإغلاق WebSocket بالرمز 1013 عند بلوغ حد المكالمات المباشرة؛ أعد المحاولة بعد ~1 ث503 ما دامت كل العمليات مشغولة؛ أعد المحاولة

المصادر: [2]، [3]، [5]، [6].

الأمان والحوكمة

4.1المصادقة. مفتاح API واحد لكل عميل، يُرسل بصيغة Authorization: Bearer <KEY>، أو بصيغة ?api_key= لاتصالات WebSocket من المتصفح. المفتاح المفقود أو الخاطئ يُقابَل بالرمز 401.[1]

4.2إقامة البيانات. تُختار المنطقة لكل طلب: أوروبا أو تركيا. لكلتيهما المسارات والحقول والاستجابات نفسها، ويبقى الصوت والنصوص المفرَّغة على خادم المنطقة التي استُدعيت.[1] تحفظ منطقة تركيا البيانات داخل البلاد (KVKK).

4.3الموافقة والتحقق. لا تُخزَّن البصمة الصوتية إلا بموافقة صاحبها، ويمكن حذفها نهائيًا. نتائج التحقق موقَّعة؛ والمفتاح العام منشور على /v1/voiceprints/jwks.[1]

4.4البنية التحتية الخاصة. يُسلَّم في صورة خدمات Docker في حاويات على بنية تحتية يديرها العميل، ويُنشر على Kubernetes باستخدام Rancher أو Helm. يعمل على خوادم CPU قياسية: لا حاجة إلى GPU ولا إلى اتصال بالإنترنت.

المراجع

  1. [1]Umay للتعرف على الكلام — مقدمة. developers.mihu.ai/stt/introduction
  2. [2]Umay — الواجهة الأصلية (الملفات والصوت المباشر). developers.mihu.ai/stt/native-api
  3. [3]Umay — واجهة متوافقة مع OpenAI. developers.mihu.ai/stt/openai
  4. [4]Ses لتحويل النص إلى كلام — مقدمة. developers.mihu.ai/tts/introduction
  5. [5]Ses — تحويل النص إلى كلام، البث والأخطاء. developers.mihu.ai/tts/speech
  6. [6]Ses — الأصوات. developers.mihu.ai/tts/voices
mihu voice2
mihu voice

لوحة التحكم

كل ما تفعله واجهة API، في المتصفح: جرّب الأصوات، وفرّغ التسجيلات، واستنسخ الأصوات، وأدِر المفاتيح. وأنت من يقرر مدة بقاء أي شيء.

الأصوات

الأصوات المدمجة وأصواتك الخاصة. استمع إلى أي منها قبل استخدامه.

النص إلى كلام

اكتب، واختر صوتًا، واسمعه يبدأ خلال نحو 0.1 ث. نزّله بصيغة mp3 وwav وflac وغيرها.

الكلام إلى نص

ارفع ملفًا أو رابطًا، أو سجّل، أو ابدأ بثًا مباشرًا وشاهد الكلمات تظهر أثناء حديثك.

عازل الصوت

أزل الأصوات الخلفية والضوضاء من التسجيل؛ وقارن قبل وبعد.

استنساخ الصوت

صوت من 10–30 ثانية من الكلام، مع فحص للقراءة وموافقة المتحدث.

مفاتيح API والاستخدام

مفاتيح لخوادمك، وشيفرة بدء سريع لكل منطقة، وما أنفقته.

الجدول 5. الاحتفاظ بالبيانات في لوحة التحكم: أنت تختار، في لوحة التحكم ← الإعدادات.

عرض مرة واحدةيوم واحدافتراضيأسبوع واحد14 يومًاشهر واحد3 أشهر6 أشهر3 سنوات
ما الذي يُحفظ
فقط النصوص المفرَّغة التي تنشئها في لوحة التحكم، في حسابك، في المنطقة التي تستخدمها (أوروبا أو تركيا).
لأي مدة
المدة التي تختارها في لوحة التحكم ← الإعدادات. يوم واحد ما لم تغيّرها.
بعد ذلك
تُحذف من خوادمنا ومن سجلاتنا. ولا تُكتب النصوص المفرَّغة في السجلات أصلًا.
الحذف الآن
أي نص مفرَّغ، أو جميعها، في أي وقت. ويختفي من الخوادم والسجلات فورًا.
عرض مرة واحدة
لا يُكتب أي شيء في أي مكان: ترى النص المفرَّغ، وتحديث الصفحة يمحوه.
الصوت
لا يُخزَّن أبدًا. التسجيلات والكلام المولَّد والصوت المعزول متاحة للتشغيل والتنزيل فورًا فقط.

واجهة API منفصلة: الصوت والنصوص التي ترسلها إليها مباشرة تُعالَج وتُعاد إليك، ولا تُحفظ (انظر الصفحة التالية).

mihu voice2
mihu voice

حماية البيانات: KVKK وGDPR

الصوت والنصوص المفرَّغة المرسلة إلى واجهة API تُعالَج وتُعاد، ولا تُحفظ. في لوحة التحكم تقرر أنت مدة بقاء نصوصك المفرَّغة، من عدم حفظها إطلاقًا حتى 3 سنوات. فيما يلي كل ما يُخزَّن، ولماذا، ولأي مدة.

الجدول 6. لا يُخزَّن.

البياناتما الذي يحدث لها
الصوتتُعالَج البثوث المباشرة في الذاكرة ولا تُكتب على القرص أبدًا. الملف الذي ترسله لا يُحتفظ به إلا أثناء تفريغه (الملفات الكبيرة وتنزيلات file_url في ملف مؤقت يُحذف فورًا بعد ذلك)؛ وبالنسبة لمهام webhook_url انظر الجدول 7.
النصوص المفرَّغةتُعاد إليك؛ ولا تُخزَّن ولا تُسجَّل. الاستثناء الوحيد هو نتيجة مهمة webhook_url (الجدول 7).
عناوين وأسرار Webhookلا تُسجَّل قيم webhook_url وfile_url وwebhook_secret الخاصة بك أبدًا؛ تكتفي السجلات بالإشارة إلى أنه تم استخدام webhook.
التسجيلات الصوتية للبصمات الصوتيةلا تُخزَّن أبدًا، في أي وضع. لا يُحفظ إلا التوقيع الرقمي، وفقط إذا طلبت ذلك.
تسجيلات الأصوات المخصصةتُفك ترميزها وتُقص وتُستخدم لبناء الصوت، ثم تُتلف. لا يُحفظ إلا الصوت نفسه وتفاصيله (الجدول 7).
الصوت في لوحة التحكمالتسجيلات والكلام المولَّد والصوت المعزول متاحة للتشغيل والتنزيل فورًا فقط؛ ولا يُحفظ أي منها.

الجدول 7. يُخزَّن، ولأي مدة.

البياناتمتى وماذامدة الحفظ
سجلات الاستخدامالحساب، والنموذج، واللغة، وثواني الصوت، والوقت، لأغراض الفوترة. لا صوت ولا نص.لأغراض الفوترة
صوت مهمة webhookفقط للملفات المرسلة مع webhook_url: ينتظر الصوت على القرص في قائمة انتظار المهام، ويُحذف فور انتهاء التعرف.حتى انتهاء التفريغ
نتيجة مهمة webhookتُرسل إلى webhook_url الخاص بك (موقَّعة بـ HMAC-SHA256 عند تقديم webhook_secret؛ مع إعادة المحاولة بعد 1 ث و10 ث و1 د و5 د و30 د إذا لم يستجب خادمك)، ولا يقرأها إلا حسابك. ثم تُحذف. وإذا كانت محاولات التسليم لا تزال جارية، تبقى ساعة إضافية واحدة على الأكثر.ساعة واحدة بعد الاكتمال
البصمات الصوتيةفقط عندما تنشئ بصمة، بموافقة صاحبها. تُحفظ ضمن حسابك (حتى 1,000)، أو مع store=false تُعاد إليك كرمز مميز مشفَّر فلا نحتفظ بشيء.حتى تحذفها
الأصوات المخصصةحالة الصوت وتفاصيله (الاسم، واللغة، والجنس، وسجل الموافقة، ومؤشرات الجودة)، ضمن حسابك فقط. يحذفها DELETE نهائيًا.حتى تحذفها
النصوص المفرَّغة في لوحة التحكمفقط النصوص المفرَّغة التي تنشئها في لوحة التحكم، تُحفظ في حسابك لتتمكن من فتحها وتنزيلها لاحقًا. تختار المدة في لوحة التحكم ← الإعدادات: عرض مرة واحدة (لا تُحفظ أبدًا)، أو يوم واحد (افتراضي)، أو أسبوع واحد، أو 14 يومًا، أو شهر واحد، أو 3 أشهر، أو 6 أشهر، أو 3 سنوات. عند انتهاء المدة، أو عند حذفها، تُزال من خوادمنا وسجلاتنا. ولا تُكتب النصوص المفرَّغة في السجلات أبدًا.يوم واحد افتراضيًا

إقامة البيانات. يُعالَج كل طلب في المنطقة التي تستدعيها، أوروبا أو تركيا، وتبقى بياناته هناك. تحفظ منطقة تركيا البيانات داخل البلاد، بما يتوافق مع KVKK.

البصمات الصوتية بيانات بيومترية. بموجب KVKK وGDPR تتطلب موافقة صريحة من صاحبها: يجب أن يغطي إشعار الخصوصية ونص الموافقة لديك هذا الغرض. يمكن حذف كل بصمة صوتية نهائيًا باستخدام DELETE /v1/voiceprints/{id}.

كشف الجنس معالجة لبيانات شخصية. إذا فعّلت gender_detection، فيجب أن يغطيه إشعار الخصوصية لديك، ويجب الحصول على موافقة المتصل حيثما كان ذلك مطلوبًا. وهو معطَّل ما لم تطلبه.

واجهة API أم لوحة التحكم. الطلبات التي ترسلها إلى واجهة API لا تحتفظ بأي شيء يتجاوز الجدول 7. لا تحتفظ لوحة التحكم إلا بنصوصك المفرَّغة، للمدة التي تحددها (يوم واحد ما لم تغيّرها، أو لا شيء إطلاقًا مع عرض مرة واحدة)، ثم تحذفها من خوادمنا وسجلاتنا. ولا تحتفظ بالصوت أبدًا.

لا شيء تحتاج إلى إيقافه من جانبك. إذا لم تنشئ بصمة صوتية قط ولم ترسل webhook_url قط، فلا يُحفظ إلا سجل الاستخدام.

خوادمك الخاصة. تعمل عمليات النشر المحلي على بنيتك التحتية دون اتصال بالإنترنت، فلا تصل أي بيانات إلى mihu إطلاقًا.

mihu voice3
mihu voice

الأسعار

أسعار القائمة باليورو. تدفع مقابل الصوت الذي ترسله والأحرف التي تُركّبها؛ وتُحتسب الخيارات بشكل منفصل، فقط عند استخدامها.

الكلام إلى نص

mihu-umay-v1

€0.09

لكل ساعة صوت

€0.0015 لكل دقيقة صوت.

النص إلى كلام

mihu-ses-v1

€10.00

لكل مليون حرف

€0.01 لكل ألف حرف.

الجدول 8. خيارات تحويل الكلام إلى نص ونقاط النهاية الصوتية، تُحتسب إضافيًا فقط عند الاستخدام. الملفات والبث المباشر بالتكلفة نفسها.

الخيارالسعرالوحدة
عزل الصوت€0.01لكل محادثة
تمييز المتحدثين€0.01لكل محادثة
تثبيت المتحدث€0.01لكل محادثة
كشف الجنس€0.01لكل محادثة
البصمات الصوتية€0.01لكل طلب
التحقق من المتحدث€0.01لكل طلب

الجدول 9. تكلفة أحمال العمل النموذجية بأسعار القائمة.

حمل العملالحجمالتكلفة
تفريغ 10,000 مكالمة مدة كل منها 3 دقائق500 ساعة صوت€45.00
نطق 10,000 رد طول كل منها 200 حرف2 مليون حرف€20.00
تفريغ 1,000 ساعة من التسجيلات1,000 ساعة صوت€90.00
10,000 مكالمة مدة كل منها 3 دقائق مع تمييز المتحدثين500 ساعة + 10,000 محادثة€145.00
10,000 مكالمة مدة كل منها 3 دقائق مع عزل الصوت وتمييز المتحدثين وتثبيت المتحدث وكشف الجنس500 ساعة + 4 خيارات × 10,000 محادثة€445.00

تعمل محليًا أو بأحجام أكبر؟ تحدث إلينا.

mihu voice4

الأسئلة الشائعة

بياناتك

عبر واجهة API: لا صوت ولا نصوص مفرَّغة. تُعالَج في الذاكرة وتُعاد إليك. نحتفظ بسجلات الاستخدام لأغراض الفوترة (دون صوت أو نص)؛ وللمهام غير المتزامنة المرسلة مع webhook_url نحتفظ بالصوت حتى يُفرَّغ وبالنتيجة لمدة ساعة واحدة بعد الانتهاء؛ وبالبصمات الصوتية فقط إذا أنشأتها، بموافقة صاحبها (ومع store=false تبقى حتى هذه على جانبك)؛ وبالأصوات المخصصة حتى تحذفها (دون التسجيل الذي صُنعت منه أبدًا).

فقط للمدة التي تختارها. النصوص المفرَّغة التي تنشئها في لوحة التحكم تُحفظ في حسابك لتتمكن من فتحها وتنزيلها لاحقًا: يوم واحد افتراضيًا، أو أسبوع واحد، أو 14 يومًا، أو شهر واحد، أو 3 أشهر، أو 6 أشهر، أو 3 سنوات، وتضبط ذلك في لوحة التحكم ← الإعدادات. عند انتهاء المدة، أو عند حذفها، تُزال من خوادمنا وسجلاتنا؛ ولا تُكتب النصوص المفرَّغة في السجلات أبدًا. اختر “عرض مرة واحدة” فلا يُحفظ شيء: تحديث الصفحة يمحوه. يمكنك حذف أي نص مفرَّغ، أو جميعها، في أي وقت. لا يُحفظ الصوت في لوحة التحكم أبدًا؛ نزّل ما تحتاجه فورًا.

لا. لا يُستخدم صوتك ولا نصوصك المفرَّغة ولا نصوصك لتدريب نماذجنا أو تحسينها.

نعم. تحديد ما إذا كان المتصل ذكرًا أم أنثى من صوته هو معالجة لبيانات شخصية. إذا فعّلت gender_detection، فيجب أن يغطيه إشعار الخصوصية لديك بموجب KVKK / GDPR، وينبغي أن تطلب موافقة المتصل حيثما كان ذلك مطلوبًا. كشف الجنس معطَّل ما لم تطلبه.

النماذج واللغات

لكلٍّ من تحويل الكلام إلى نص والنص إلى كلام: التركية والإنجليزية والألمانية والفرنسية والإيطالية والروسية والإسبانية. حدّد اللغة في كل طلب.

لا. يعمل الإصدار المحلي على خوادم CPU قياسية. ويُسلَّم في صورة خدمات Docker في حاويات على بنية تحتية يديرها العميل، ويُنشر على Kubernetes باستخدام Rancher أو Helm. لا حاجة إلى GPU ولا إلى اتصال بالإنترنت.

يظهر النص بينما لا يزال المتصل يتحدث. يصل أول نص جزئي بعد نحو 0.44 ث من بدء الكلام، والجملة النهائية بعد نحو 80 ملّي ثانية من توقف المتصل، مقيسةً من عميل في تركيا. عمليًا لا يسمع المتصل أي فجوة: يمكن لوكيلك أن يبدأ رده فور انتهائه.

الميزات

لا. يصل الجنس بعد نحو 2 ث من بدء المتصل بالكلام، ويضع تمييز المتحدثين التسميات مباشرة، وكلاهما دون تأخير النص. تُفعَّل كل ميزة لكل طلب على حدة؛ وإيقافها يعني عدم وجود أي تأخير إضافي.

تُكتب الأرقام والمبالغ والتواريخ والأوقات وأرقام الهواتف ولوحات السيارات والعناوين المنطوقة بالشكل الذي يتوقعه نظام CRM: “one thousand two hundred fifty dollars” تصبح $1,250 و“seventeen Oak Street apartment four” تصبح 17 Oak St, Apt 4. ويضيف ذلك نحو 6 ملّي ثانية.

في اللغات السبع كلها تُقرأ الأرقام والعملات والتواريخ والأوقات والعناوين تلقائيًا ككلام طبيعي. تُقسَّم أسماء القرى المركبة الطويلة لنطق واضح، وتُسمع أسماء الأحياء بشكل صحيح في 95.6% من الحالات في اختبارنا على 500 عنوان بنطاق ترددات الهاتف، و98.2% مع تلميحات الأماكن.

نعم. في صفحة النطق في لوحة التحكم (أو عبر واجهة /v1/pronunciations البرمجية) تحدد طريقة نطق كل كلمة، لكل لغة، ولكل صوت إن أردت: تُنطق “BMW” في التركية “be me ve” وفي الإنجليزية “bee em double-you”. تُطبَّق القواعد على كل طلبات حسابك، مع اللواحق التركية أيضًا (“BMW'nin”)، وتُرسَل الكلمات نفسها إلى تحويل الكلام إلى نص كتلميحات لتعود مكتوبة بشكل صحيح.

النشر والخصوصية

في المنطقة التي تختارها: أوروبا أو تركيا، والولايات المتحدة قريبًا. يبقى الصوت والنصوص المفرَّغة على خادم المنطقة التي تستدعيها. تحفظ منطقة تركيا البيانات داخل البلاد بما يتوافق مع KVKK.

ابدأ البناء باستخدام mihu voice