חדש SES v1 + Umay v17 שפות · 2 אזורים (ארה״ב בקרוב)

קולות שנשמעים אנושיים. תמלול תוך כדי דיבור.

SES הופך את הטקסט שלכם לדיבור טבעי. Umay כותב כל מילה ברגע שהיא נאמרת. mihu voice נותן למוצר שלכם קול ואוזניים.

טורקית, אנגלית, גרמנית, צרפתית, איטלקית, רוסית וספרדית · אירוח באירופה או בטורקיה, או על השרתים שלכם · ארה״ב בקרוב

mihu
שמע טלפוני
WebSocket
קובצי שמע
mihu-umay-v1
mihu-ses-v1
הפרדת דוברים · בידוד · ITN
טקסט סופי80 ms“Where is my order?” · en
הדיבור סונתז24 kHz“16:30” → las cuatro y media · es

7 שפות, דיבור לטקסט וטקסט לדיבור

EnglishenEspañolesTürkçetrDeutschdeFrançaisfrItalianoitРусскийruEnglishenEspañolesTürkçetrDeutschdeFrançaisfrItalianoitРусскийru

ספריית קולות · mihu-ses-v1

קולות שנשמעים מקומיים

22 קולות ב-7 שפות. בחרו קול והאזינו: כל דוגמה היא mihu-ses-v1 שקורא את המשפט המוצג למטה.

Alp

Türkçe · קול גברי

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

לחצו הפעלה: המשפט מואר בזמן ההקראה

שני מודלים, API אחד, שבע שפות

mihu-umay-v1 לדיבור לטקסט ו-mihu-ses-v1 לטקסט לדיבור, מאחורי API אחד ב-HTTPS וב-WebSocket, באירוח באירופה או בטורקיה (ארה״ב בקרוב), או על השרתים שלכם.

mihu-umay-v1 · דיבור לטקסט שנבנה לשיחות חיות

הטקסט מופיע בזמן שהמתקשר עדיין מדבר; המשפט הסופי מוכן כ-80 מילישניות אחרי שהוא מסיים, מהר יותר מהרף עין, כך שהסוכן שלכם עונה בלי הפסקה. שיעור שגיאות מילים של 3.42% על דיבור טורקי מוקרא (FLEURS). במצב טורקית בלבד שרת אחד מטפל בעד 256 שיחות חיות, עם אותן אפשרויות נרמול ובידוד קול.

חלקי“Merhaba, siparişim ne za…”tr · 0.44 שנ׳ אחרי תחילת הדיבור
סופי“Merhaba, siparişim ne zaman gelir?”tr · 79 מילישניות אחרי סוף הדיבור
S2 · אישה“Yarın sabah kapınızda olacak.”דוברים הופרדו · ודאות 96%
סופי“Ich habe eine Frage zur Rechnung.”de · טקסט סופי
סופי“¿Me puede repetir la dirección?”es · טקסט סופי
חלקי“Je voudrais changer la da…”fr · בהזרמה
חלקי“Merhaba, siparişim ne za…”tr · 0.44 שנ׳ אחרי תחילת הדיבור
סופי“Merhaba, siparişim ne zaman gelir?”tr · 79 מילישניות אחרי סוף הדיבור
S2 · אישה“Yarın sabah kapınızda olacak.”דוברים הופרדו · ודאות 96%
סופי“Ich habe eine Frage zur Rechnung.”de · טקסט סופי
סופי“¿Me puede repetir la dirección?”es · טקסט סופי
חלקי“Je voudrais changer la da…”fr · בהזרמה
שיחה חיהPCM ב-16 קילוהרץ, מסגרות של 100 מילישניות, socket אחד.סופי ~80 מילישניותWER 3.42%

קלטים

WebSocket · זרם חי REST · קובצי שמע שמע טלפוני 8 קילוהרץ

mihu-ses-v1 · דיבור שנשמע מקומי

קורא כתובות, שמות מקומות, סכומים, תאריכים, לוחיות רישוי ומספרי טלפון כמו שאנשים אומרים אותם, בכל 7 השפות. השמע מוזרם בחזרה עוד לפני שכל המשפט סונתז.

POST /v1/audio/speech
“Your order of $1,250 ships to 17 Oak St”
פלט שמע24 kHz PCMבהזרמה
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
הקראה חכמה

3.38% WER (tr)

95.6% שמות מקומות נכונים

7 שפות

מי אמר מה, בזמן אמת

זיהוי מגדר, הפרדת דוברים, נעילת דובר ובידוד קול לקווי טלפון רועשים. כל יכולת מופעלת לכל בקשה בנפרד; כבויה פירושו אפס השהיה נוספת.

שיחהשפהדוברמגדרטקסט סופיסטטוס
S2 · אישה · 96%
נכנסות · טורקית · 256 שיחות חיות
טקסט סופי p95< 0.35 s

עיצוב חכם ושמות מקומות

“bin iki yüz elli lira” הופך ל-1.250 TL, ותאריכים ולוחיות רישוי יוצאים בפורמט שמערכת CRM מצפה לו. רשימות מובנות של מחוזות ושכונות, יחד עם מילות המפתח שלכם, משפרות את דיוק שמות המקומות בזמן אמת ב-3 עד 8 נקודות.

עיצוב חכם“bin iki yüz elli lira” → 1.250 TL · מוסיף ~6 מילישניותitn
חיזוק שמות מקומותשכונות דניזלי · 86% ← 94% · מוסיף ~10 מילישניותhotwords
רשימות מובנות · 5 ערים
המילים שלכם

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

— מתקשר, דניזלי

נבנה למוקדי שירות ולסוכנים קוליים

mihu voice

דוח הערכה · נובמבר 2026

נמדד על שמע של שיחות טלפון, לא על הדגמות.

שלושה מערכי בדיקה טורקיים ציבוריים, 500 כתובות מוקראות ו-1,273 משפטי סינתזה, שכולם נוקדו באותה שיטה לכל מערכת. שיעור שגיאות מילים נמוך יותר הוא טוב יותר.

3.42%

WER על דיבור מוקרא

מערך הבדיקה הטורקי של FLEURS, 743 קטעים. הנמוך ביותר בהשוואה.

איור 2

1.68%

WER על כתובות מוקראות

500 כתובות, 8 קילוהרץ, עם רמזי מקומות.

טבלה 3

19.5×

מהר יותר מזמן אמת

קבצים דרך ה-API של אזור טורקיה, מצב מהיר.

טבלה 3

3.38%

שיעור שגיאות מילים ב-TTS

1,273 משפטים ממערך הבדיקה הפתוח mihuai/turkish-tts-eval.

איור 3

FLEURS tr_tr test · 743 קטעים

mihu-umay-v1

3.42

openai/whisper-large-v3

3.52

turkmedstt/whisper-large-v3-turkish-general

3.94

balbal-v2-manas

4.20

openai/whisper-large-v3-turbo

4.30

mihuai/turkish-stt-66m-v2

5.28

balbal-v2

5.41

Qwen/Qwen3-ASR-1.7B

6.48

PatientDesk/Duyu-small

6.72

איור 2. שיעור שגיאות מילים ב-%, נמוך יותר עדיף, טורקית, כלל ניקוד בינוני (גרסאות של מספרים ופורמטים מתקבלות). mihu-umay-v1 מדורג ראשון מתוך 9 בדיבור מוקרא. עמודות שחורגות מהציר נחתכות ומסומנות ב-→.

מובנות של טקסט לדיבור

mihuai/turkish-tts-eval
mihu-ses-v1
3.38
Antalia-2 Mini
3.52
EMA Lightning 1.1.2
7.88
Piper
9.36
Anka TTS 0.1.6
9.79
Trendyol-TTS
11.07
FreyaTTS-small
40.84 →

איור 3. כל מערכת קוראת את אותם 1,273 משפטי מוקד שירות ממערך הנתונים הפתוח mihuai/turkish-tts-eval; מזהה דיבור עצמאי מתמלל את השמע. שיעור שגיאות מילים ב-%, נמוך יותר פירושו דיבור קל יותר להבנה. שבע מערכות TTS בטורקית; כל התרשימים והטבלאות נמצאים בדף מדדי הביצועים.

טבלה 2. טבעיות של אותו שמע מסונתז. ציוני איכות חזויים, גבוה יותר עדיף; הטוב ביותר בכל עמודה מודגש.

מערכתUTMOSv2SCOREQDNSMOS 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

ל-mihu-ses-v1 ציון UTMOSv2 הגבוה ביותר בסך הכול ובכל 13 קטגוריות המשפטים של המערך. שלושת המנבאים אינם מסכימים זה עם זה ואינם תחליף למבחן האזנה אנושי.

שני מערכי בדיקה טורקיים ל-TTS

מוקד שירות לעומת דיבור יומיומי

mihuai/turkish-tts-eval1,273 משפטים · איור 3

מערך הייחוס שלנו לדיבור של מוקדי שירות, שנבנה על בסיס שיחות אמיתיות עם לקוחות: סכומים, מספרי חשבון ותעודת זהות, כתובות, כתובות דוא״ל ואתרים, שמות באיות ופורמטים מעורבים. קשה בכוונה.

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

מערך שיחתי יומיומי: משפטים קצרים של 3 עד 13 מילים על חיי היום-יום, שאלות וקריאות, עם מעט מספרים או קודים. קל יותר, ולכן כל המערכות משיגות כאן שיעורי שגיאה נמוכים יותר.

שיעור שגיאות מילים על freya-tr-eval, %

EMA Lightning 1.1.2
0.99
Trendyol-TTS
1.01
Antalia-2 Mini
1.17
mihu-ses-v1
1.28
Anka TTS 0.1.6
1.33
Piper
3.26
FreyaTTS-small
12.05 →

אותו ניקוד כמו באיור 3. במערך השיחתי המערכות המובילות נמצאות בהפרש של שבר אחוז זו מזו; מערך מוקד השירות הוא המקום שבו המערכות נבדלות.

איור 4. מערך מוקד השירות מודד את מה שמוקד שירות צריך שיוקרא נכון; המערך היומיומי מודד דיבור שיחתי רגיל. שיעור שגיאות מילים נמוך יותר הוא טוב יותר.

טבלה 3. נתוני השירות החי, אזור טורקיה, 3 בנובמבר 2026.

מדידההגדרהתוצאה
מהירות תמלול קבצים, 743 קטעיםמצב מהירפי 19.5 מזמן אמת
מהירות תמלול קבצים, 743 קטעיםמצב רגילפי 8.5 מזמן אמת
תוצאות שנכשלו, חסרות או ריקות743 קטעים0
שיעור שגיאות מילים בכתובות, 500 כתובות, 8 קילוהרץבלי ← עם רמזי מקומות2.22 % ← 1.68 %
משפטי כתובת נכונים לחלוטין, 8 קילוהרץבלי ← עם רמזי מקומות92.6 % ← 97.2 %
שם השכונה זוהה נכון, 8 קילוהרץבלי ← עם רמזי מקומות95.6 % ← 98.2 %

שיטה. כלל ניקוד בינוני לאורך כל הדרך. טלפון: מערך בדיקה טלפוני טורקי ציבורי, ששימש לבדיקה בלבד. מדיה: נספרים רק 502 קטעי MediaSpeech שהוחזקו מחוץ לאימון של mihu. המהירות נמדדה מקצה לקצה דרך ה-API הציבורי, כולל הרשת. שמע הכתובות סינתטי.

רוצים שהמערכת שלכם תופיע בטבלאות האלה?

שלחו לנו גישת API או את המודל, ונריץ אותו על אותם מערכי בדיקה עם אותו ניקוד, נראה לכם את התוצאות קודם, ונפרסם אותן כאן, יהיו אשר יהיו.

[email protected] →

כל מדדי הביצועים ←

mihu voice1
mihu voice

שילוב דיבור לטקסט וטקסט לדיבור במוקד שירות

מפתחי mihu voice · developers.mihu.ai

שני מודלים יושבים מאחורי מפתח API אחד: Umay לזיהוי דיבור ו-Ses לסינתזת דיבור. שניהם נגישים דרך REST ו-WebSocket, עונים באותו אופן בכל אזור ותומכים ב-SDK הרשמיים של OpenAI על ידי שינוי כתובת ה-URL הבסיסית. מסמך זה מראה כיצד הם משתלבים במוקד שירות קיים, מציג בקשה עובדת לכל שימוש, מפרט מה כל ממשק תומך ומסביר כיצד מטופלים מפתחות, נתונים וטביעות קול.

ארכיטקטורה

הלקוחות מתחברים ישירות לאזור שהם בוחרים; אין צורך ב-SDK של mihu ושום דבר לא רץ אצלכם. שיחות חיות מזרימות שמע ב-WebSocket, וקבצים וסינתזה משתמשים ב-HTTPS רגיל.[1][4] כשהנתונים אינם רשאים לצאת מהרשת שלכם, אותו שירות רץ על השרתים שלכם.

(a) המערכות שלכם

מוקד שירות / IVR

שמע חי של המתקשר

סוכן קולי

טקסט סופי ← LLM ← דיבור

הקלטות שיחות

ארכיון, בקרת איכות, אנליטיקה

HTTPS, WSS, מפתח Bearer

(b) ה-API של mihu voice

Umay — דיבור לטקסט

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

Ses — טקסט לדיבור

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

הנתונים נשארים באזור

(c) היכן זה רץ

אירופה

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

טורקיה

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

השרתים שלכם

Docker מקומי על CPU, ללא חיבור

איור 1. סקירת פריסה. הלקוחות ניגשים לשני המודלים דרך HTTPS ו-WebSocket עם מפתח API אחד; כל בקשה מטופלת, והנתונים שלה נשמרים, באזור שאת השרת שלו היא קוראת.

אינטגרציה

כל דוגמת קוד למטה רצה כפי שהיא ברגע ש-KEY מוגדר. בחירת אזור משנה רק את השרת.[2][3][5]

|
אזור
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

אירועי שרת

{"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}

פרמטרים

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

דוגמה 1. דיבור לטקסט, שיחות חיות (WebSocket, PCM ב-16 קילוהרץ). שרת stt.eu.mihu.ai; מדריך מלא ב-developers.mihu.ai/stt/native-api.

מפרט טכני

טבלה 1. ממשקים ויכולות של שני המודלים.

דיבור לטקסט (Umay)טקסט לדיבור (Ses)
מודלmihu-umay-v1: umay לקבצים, umay-stream לשידור חיmihu-ses-v1
ממשקיםREST; WebSocket (מקורי); WebSocket (OpenAI Realtime)REST, מוזרם תוך כדי יצירה; Server-sent events
שמעקבצים בכל פורמט נפוץ, עם דגימה מחדש ל-16 קילוהרץ. חי: PCM מונו 16 ביט ב-16 קילוהרץ במסגרות של 100 מילישניות24 קילוהרץ מונו; pcm (ברירת מחדל), wav, mp3, opus, aac, flac
שפותtr, en, de, fr, it, ru, estr, en, de, fr, it, ru, es
תאימות SDKה-SDK הרשמיים של OpenAI, על ידי שינוי base_urlה-SDK הרשמיים של OpenAI, על ידי שינוי base_url
עיבוד טקסטסכומים ותאריכים נכתבים כמספרים; תיקון ניבים טורקיים ושמות מקומות; רמזי ביטוייםהקראת מספרים, תאריכים וקיצורים; אימות “יצירה ובדיקה” אופציונלי בטורקית; הטעמה ברוסית
דוברים, קולותהפרדת דוברים, זיהוי מגדר, נעילת דובר, טביעות קול בהסכמה, אימות חתום22 קולות מובנים; קולות מותאמים אישית מהקלטה
משימות ארוכות, שליטהתמלול אסינכרוני עם webhook_url; משימות בידוד שמעסגירת החיבור עוצרת את הסינתזה (barge-in)
לחץ חוזרסגירת WebSocket עם קוד 1013 במגבלת השיחות החיות; נסו שוב אחרי ~1 שנ׳503 כשכל ה-workers עסוקים; נסו שוב

מקורות: [2], [3], [5], [6].

אבטחה וממשל

4.1אימות. מפתח API אחד לכל לקוח, שנשלח כ-Authorization: Bearer <KEY>, או כ-?api_key= עבור WebSocket בדפדפן. מפתח חסר או שגוי מקבל תשובה 401.[1]

4.2מיקום הנתונים. האזור נבחר לכל בקשה: אירופה או טורקיה. לשניהם אותם נתיבים, שדות ותשובות, והשמע והתמלולים נשארים על השרת של האזור שאליו פנו.[1] אזור טורקיה שומר את הנתונים בתוך המדינה (KVKK).

4.3הסכמה ואימות. טביעת קול נשמרת רק בהסכמת האדם וניתן למחוק אותה לצמיתות. תוצאות האימות חתומות; המפתח הציבורי מפורסם ב-/v1/voiceprints/jwks.[1]

4.4תשתית משלכם. מסופק כשירותי Docker בקונטיינרים על תשתית שמנוהלת על ידי הלקוח, ונפרס על Kubernetes באמצעות Rancher או Helm. רץ על שרתי CPU סטנדרטיים: אין צורך ב-GPU ולא בחיבור לאינטרנט.

מקורות

  1. [1]Umay לזיהוי דיבור — מבוא. developers.mihu.ai/stt/introduction
  2. [2]Umay — API מקורי (קבצים ושמע חי). developers.mihu.ai/stt/native-api
  3. [3]Umay — API תואם OpenAI. developers.mihu.ai/stt/openai
  4. [4]Ses לטקסט לדיבור — מבוא. developers.mihu.ai/tts/introduction
  5. [5]Ses — טקסט לדיבור, הזרמה ושגיאות. developers.mihu.ai/tts/speech
  6. [6]Ses — קולות. developers.mihu.ai/tts/voices
mihu voice2
mihu voice

הקונסולה

כל מה שה-API עושה, בדפדפן: נסו קולות, תמללו, שכפלו, נהלו מפתחות. ואתם מחליטים כמה זמן כל דבר נשמר.

קולות

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

טקסט לדיבור

הקלידו, בחרו קול ושמעו אותו מתחיל תוך כ-0.1 שנ׳. הורידו 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 ורעש 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.

טבלה 5. שמירת נתונים בקונסולה: אתם בוחרים, בקונסולה ← הגדרות.

הצגה חד-פעמיתיום אחדברירת מחדלשבוע אחד14 ימיםחודש אחד3 חודשים6 חודשים3 שנים
מה נשמר
רק התמלולים שאתם יוצרים בקונסולה, בחשבון שלכם, באזור שבו אתם משתמשים (אירופה או טורקיה).
לכמה זמן
התקופה שאתם בוחרים בקונסולה ← הגדרות. יום אחד אלא אם תשנו.
ואז
נמחקים מהשרתים ומהיומנים שלנו. תמלולים לעולם אינם נכתבים ליומנים מלכתחילה.
מחיקה עכשיו
כל תמלול, או את כולם, בכל עת. הוא נעלם מהשרתים ומהיומנים מיד.
הצגה חד-פעמית
שום דבר לא נכתב בשום מקום: אתם רואים את התמלול, ורענון מוחק אותו.
שמע
לעולם אינו נשמר. הקלטות, דיבור שנוצר ושמע מבודד זמינים להשמעה ולהורדה מיד בלבד.

ה-API נפרד: שמע ותמלולים שאתם שולחים אליו ישירות מעובדים ומוחזרים, ואינם נשמרים (ראו בעמוד הבא).

mihu voice2
mihu voice

הגנת נתונים: KVKK ו-GDPR

שמע ותמלולים שנשלחים ל-API מעובדים ומוחזרים, ואינם נשמרים. בקונסולה אתם מחליטים כמה זמן התמלולים שלכם נשמרים, מכלל לא ועד 3 שנים. להלן כל מה שנשמר, למה ולכמה זמן.

טבלה 6. לא נשמר.

נתוניםמה קורה להם
שמעזרמים חיים מעובדים בזיכרון ולעולם אינם נכתבים לדיסק. קובץ שאתם שולחים מוחזק רק בזמן התמלול (קבצים גדולים והורדות file_url בקובץ זמני שנמחק מיד לאחר מכן); לגבי משימות webhook_url ראו טבלה 7.
תמלוליםמוחזרים אליכם; אינם נשמרים ואינם נרשמים ביומנים. החריג היחיד הוא התוצאה של משימת webhook_url (טבלה 7).
כתובות וסודות של Webhookה-webhook_url, ה-file_url וה-webhook_secret שלכם לעולם אינם נרשמים ביומנים; היומנים רק מציינים שנעשה שימוש ב-webhook.
הקלטות קול לטביעות קוללעולם אינן נשמרות, בשום מצב. נשמרת רק החתימה המספרית, ורק אם ביקשתם זאת.
הקלטות לקולות מותאמים אישיתמפוענחות, נחתכות ומשמשות לבניית הקול, ואז נמחקות. נשמרים רק הקול עצמו והפרטים שלו (טבלה 7).
שמע בקונסולההקלטות, דיבור שנוצר ושמע מבודד זמינים להשמעה ולהורדה מיד בלבד; שום דבר מהם אינו נשמר.

טבלה 7. נשמר, ולכמה זמן.

נתוניםמתי ומהנשמר
רשומות שימושחשבון, מודל, שפה, שניות שמע וזמן, לצורכי חיוב. בלי שמע, בלי טקסט.לצורכי חיוב
שמע של משימת webhookרק לקבצים שנשלחו עם webhook_url: השמע ממתין על הדיסק בתור המשימות ונמחק ברגע שהזיהוי מסתיים.עד לתמלול
תוצאה של משימת webhookנשלחת ל-webhook_url שלכם (חתומה ב-HMAC-SHA256 כשאתם מספקים webhook_secret; ניסיונות חוזרים אחרי 1 שנ׳, 10 שנ׳, 1 דק׳, 5 דק׳ ו-30 דק׳ אם השרת שלכם אינו עונה) וניתנת לקריאה רק על ידי החשבון שלכם. אחר כך נמחקת. אם המסירה עדיין בניסיונות חוזרים, היא נשארת לכל היותר שעה נוספת אחת.שעה אחת לאחר הסיום
טביעות קולרק כשאתם יוצרים טביעת קול, בהסכמת האדם. נשמרות תחת החשבון שלכם (עד 1,000), או עם store=false מוחזרות אליכם כטוקן מוצפן, כך שאנחנו לא שומרים דבר.עד שתמחקו אותה
קולות מותאמים אישיתמצב הקול והפרטים שלו (שם, שפה, מגדר, רשומת הסכמה, מדדי איכות), תחת החשבון שלכם בלבד. DELETE מסיר אותם לצמיתות.עד שתמחקו אותו
תמלולי קונסולהרק תמלולים שאתם יוצרים בקונסולה, שנשמרים בחשבון שלכם כדי שתוכלו לפתוח ולהוריד אותם מאוחר יותר. את משך הזמן בוחרים בקונסולה ← הגדרות: הצגה חד-פעמית (לעולם לא נשמר), יום אחד (ברירת המחדל), שבוע אחד, 14 ימים, חודש אחד, 3 חודשים, 6 חודשים או 3 שנים. כשהתקופה מסתיימת, או כשאתם מוחקים אותם, הם מוסרים מהשרתים ומהיומנים שלנו. תמלולים לעולם אינם נכתבים ליומנים.יום אחד כברירת מחדל

מיקום הנתונים. כל בקשה מעובדת באזור שאליו אתם פונים, אירופה או טורקיה, והנתונים שלה נשארים שם. אזור טורקיה שומר את הנתונים בתוך המדינה, בהתאם ל-KVKK.

טביעות קול הן מידע ביומטרי. לפי KVKK ו-GDPR הן מחייבות הסכמה מפורשת של האדם: הודעת הפרטיות וטקסט ההסכמה שלכם חייבים לכסות מטרה זו. כל טביעת קול ניתנת למחיקה לצמיתות באמצעות DELETE /v1/voiceprints/{id}.

זיהוי מגדר הוא עיבוד של מידע אישי. אם אתם מפעילים את gender_detection, הודעת הפרטיות שלכם חייבת לכסות זאת, ובמקרים הנדרשים המתקשר חייב לתת הסכמה. התכונה כבויה אלא אם ביקשתם אותה.

API או קונסולה. בקשות שאתם שולחים ל-API אינן שומרות דבר מעבר לטבלה 7. הקונסולה שומרת רק את התמלולים שלכם, לתקופה שהגדרתם (יום אחד אלא אם תשנו, או כלל לא עם הצגה חד-פעמית), ואז מוחקת אותם מהשרתים ומהיומנים שלנו. היא לעולם אינה שומרת את השמע.

אין אצלכם שום דבר לכבות. אם אתם אף פעם לא יוצרים טביעת קול ואף פעם לא שולחים webhook_url, נשמרת רק רשומת השימוש.

השרתים שלכם. פריסות מקומיות רצות על התשתית שלכם ללא חיבור לאינטרנט, כך ששום נתון אינו מגיע ל-mihu כלל.

mihu voice3
mihu voice

תמחור

מחירון ביורו. אתם משלמים על השמע שאתם שולחים ועל התווים שאתם מסנתזים; אפשרויות מחויבות בנפרד, רק כשאתם משתמשים בהן.

דיבור לטקסט

mihu-umay-v1

€0.09

לשעת שמע

€0.0015 לדקת שמע.

טקסט לדיבור

mihu-ses-v1

€10.00

למיליון תווים

€0.01 לאלף תווים.

טבלה 8. אפשרויות דיבור לטקסט ונקודות קצה קוליות, שמחויבות בנוסף רק בעת שימוש. קבצים וזרמים חיים עולים אותו דבר.

אפשרותמחיריחידה
בידוד קול€0.01לשיחה
הפרדת דוברים€0.01לשיחה
נעילת דובר€0.01לשיחה
זיהוי מגדר€0.01לשיחה
טביעות קול€0.01לבקשה
אימות דובר€0.01לבקשה

טבלה 9. כמה עולים עומסי עבודה טיפוסיים לפי המחירון.

עומס עבודההיקףעלות
תמלול 10,000 שיחות של 3 דקות500 שעות שמע€45.00
הקראת 10,000 תשובות של 200 תווים2 מיליון תווים€20.00
תמלול 1,000 שעות של הקלטות1,000 שעות שמע€90.00
10,000 שיחות של 3 דקות עם הפרדת דוברים500 שעות + 10,000 שיחות€145.00
10,000 שיחות של 3 דקות עם בידוד קול, הפרדת דוברים, נעילת דובר וזיהוי מגדר500 שעות + 4 אפשרויות × 10,000 שיחות€445.00

רצים מקומית או בהיקפים גדולים יותר? דברו איתנו.

mihu voice4

שאלות נפוצות

הנתונים שלכם

דרך ה-API: לא שמע ולא תמלולים. הם מעובדים בזיכרון ומוחזרים אליכם. אנחנו שומרים רשומות שימוש לצורכי חיוב (בלי שמע או טקסט); במשימות אסינכרוניות שנשלחו עם webhook_url, את השמע עד שהוא מתומלל ואת התוצאה למשך שעה אחת לאחר הסיום; טביעות קול רק אם יצרתם אותן, בהסכמת האדם (עם store=false גם הן נשארות אצלכם); וקולות מותאמים אישית עד שתמחקו אותם (אף פעם לא את ההקלטה שממנה נוצרו).

רק לזמן שאתם בוחרים. תמלולים שאתם יוצרים בקונסולה נשמרים בחשבון שלכם כדי שתוכלו לפתוח ולהוריד אותם מאוחר יותר: יום אחד כברירת מחדל, או שבוע אחד, 14 ימים, חודש אחד, 3 חודשים, 6 חודשים או 3 שנים, לפי ההגדרה בקונסולה ← הגדרות. כשהתקופה מסתיימת, או כשאתם מוחקים אותם, הם מוסרים מהשרתים ומהיומנים שלנו; תמלולים לעולם אינם נכתבים ליומנים. בחרו “הצגה חד-פעמית” ושום דבר לא יישמר: רענון מוחק אותו. אפשר למחוק כל תמלול, או את כולם, בכל עת. שמע לעולם אינו נשמר בקונסולה; הורידו את מה שאתם צריכים מיד.

לא. השמע, התמלולים והטקסטים שלכם אינם משמשים לאימון או לשיפור המודלים שלנו.

כן. קביעה מהקול אם המתקשר גבר או אישה היא עיבוד של מידע אישי. אם אתם מפעילים את gender_detection, הודעת הפרטיות שלכם לפי KVKK / GDPR חייבת לכסות זאת, ועליכם לבקש את הסכמת המתקשר במקרים שבהם היא נדרשת. זיהוי מגדר כבוי אלא אם ביקשתם אותו.

מודלים ושפות

גם בדיבור לטקסט וגם בטקסט לדיבור: טורקית, אנגלית, גרמנית, צרפתית, איטלקית, רוסית וספרדית. מעבירים את השפה בכל בקשה.

לא. ההתקנה המקומית רצה על שרתי CPU סטנדרטיים. היא מסופקת כשירותי Docker בקונטיינרים על תשתית שמנוהלת על ידי הלקוח ונפרסת על Kubernetes באמצעות Rancher או Helm. אין צורך ב-GPU ולא בחיבור לאינטרנט.

הטקסט מופיע בזמן שהמתקשר עדיין מדבר. הטקסט החלקי הראשון מגיע כ-0.44 שנ׳ אחרי תחילת הדיבור, והמשפט הסופי כ-80 מילישניות אחרי שהמתקשר מפסיק, כפי שנמדד מלקוח בטורקיה. בפועל המתקשר לא שומע שום פער: הסוכן שלכם יכול להתחיל לענות ברגע שהוא מסיים.

יכולות

לא. המגדר מגיע כ-2 שנ׳ אחרי שהמתקשר מתחיל לדבר והפרדת הדוברים מתייגת דוברים בזמן אמת, ושניהם בלי לעכב את הטקסט. כל יכולת מופעלת לכל בקשה בנפרד; כבויה פירושו אפס השהיה נוספת.

מספרים, סכומים, תאריכים, שעות, מספרי טלפון, לוחיות רישוי וכתובות שנאמרו בעל פה נכתבים בפורמט שמערכת CRM מצפה לו: “one thousand two hundred fifty dollars” הופך ל-$1,250 ו-“seventeen Oak Street apartment four” הופך ל-17 Oak St, Apt 4. זה מוסיף כ-6 מילישניות.

בכל 7 השפות, מספרים, מטבעות, תאריכים, שעות וכתובות מוקראים אוטומטית כדיבור טבעי. שמות כפרים מורכבים וארוכים מפוצלים להגייה ברורה, ושמות שכונות נשמעים נכון ב-95.6% מהמקרים בבדיקת 500 הכתובות שלנו ברוחב פס טלפוני, וב-98.2% עם רמזי מקומות.

כן. בדף הגייה בקונסולה (או דרך ה-API /v1/pronunciations) אתם מגדירים איך כל מילה נהגית, לפי שפה ואם תרצו גם לפי קול: “BMW” נהגה “be me ve” בטורקית ו-“bee em double-you” באנגלית. הכללים חלים על כל הבקשות בחשבון שלכם, גם עם סיומות טורקיות (“BMW'nin”), ואותן מילים נשלחות לדיבור לטקסט כרמזים, כך שהן חוזרות כתובות נכון.

פריסה ופרטיות

באזור שאתם בוחרים: אירופה או טורקיה, וארצות הברית בקרוב. השמע והתמלולים נשארים על השרת של האזור שאליו אתם פונים. אזור טורקיה שומר את הנתונים בתוך המדינה בהתאם ל-KVKK.

התחילו לבנות עם mihu voice