Yeni SES v1 + Umay v17 dil · 2 bölge (ABD yakında)

Kulağa insan gibi gelen sesler. Konuşuldukça yazıya dökülen metinler.

SES, seslendirme modelimiz, metninizi doğal bir konuşmaya dönüştürür. Umay, yazıya dökme modelimiz, söylenen her kelimeyi o anda yazıya döker. mihu voice, ürününüze hem ses hem kulak kazandırır.

Türkçe, İngilizce, Almanca, Fransızca, İtalyanca, Rusça ve İspanyolca · Barındırma: Avrupa, Türkiye ya da kendi sunucularınız · ABD yakında

mihu
Telefon sesi
WebSocket
Ses dosyaları
mihu-umay-v1
mihu-ses-v1
Ayrıştırma · izolasyon · ITN
Nihai metin80 ms“Where is my order?” · en
Konuşma sentezlendi24 kHz“16:30” → las cuatro y media · es

7 dilde konuşmadan metne ve metinden sese

EnglishenEspañolesTürkçetrDeutschdeFrançaisfrItalianoitРусскийruEnglishenEspañolesTürkçetrDeutschdeFrançaisfrItalianoitРусскийru

Ses kütüphanesi · mihu-ses-v1

Doğal sesler

7 dilde 22 ses. Birini seçip dinleyin: her örnekte aşağıdaki cümleyi mihu-ses-v1 okuyor.

Alp

Türkçe · Erkek sesi

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

Oynat'a basın: cümle okundukça vurgulanır

İki model, tek API, yedi dil

Konuşmadan metne için mihu-umay-v1, metinden sese için mihu-ses-v1. İkisi de tek bir HTTPS ve WebSocket API'si üzerinden sunulur; Avrupa'da veya Türkiye'de barındırılır (ABD yakında) ya da kendi sunucularınızda çalışır.

mihu-umay-v1 · Canlı görüşmeler için konuşmadan metne

Arayan daha konuşurken metin ekrana gelir; arayan sustuktan yaklaşık 80 ms sonra, göz kırpmaktan daha kısa sürede son cümle hazırdır. Böylece asistanınız beklemeden yanıt verebilir. Türkçe sesli okuma verisinde (FLEURS) kelime hata oranı %3,42. Yalnızca Türkçe modunda tek bir sunucu, aynı normalizasyon ve ses izolasyonu seçenekleriyle en fazla 256 canlı görüşmeyi kaldırır.

Ara“Merhaba, siparişim ne za…”tr · konuşma başladıktan 0,44 sn sonra
Nihai“Merhaba, siparişim ne zaman gelir?”tr · konuşma bittikten 79 ms sonra
S2 · kadın“Yarın sabah kapınızda olacak.”ayrıştırıldı · güven %96
Nihai“Ich habe eine Frage zur Rechnung.”de · nihai metin
Nihai“¿Me puede repetir la dirección?”es · nihai metin
Ara“Je voudrais changer la da…”fr · akış
Ara“Merhaba, siparişim ne za…”tr · konuşma başladıktan 0,44 sn sonra
Nihai“Merhaba, siparişim ne zaman gelir?”tr · konuşma bittikten 79 ms sonra
S2 · kadın“Yarın sabah kapınızda olacak.”ayrıştırıldı · güven %96
Nihai“Ich habe eine Frage zur Rechnung.”de · nihai metin
Nihai“¿Me puede repetir la dirección?”es · nihai metin
Ara“Je voudrais changer la da…”fr · akış
Canlı görüşme16 kHz PCM, 100 ms'lik çerçeveler, tek soket.nihai ~80 msWER 3.42%

Girdiler

WebSocket · canlı akış REST · ses dosyaları 8 kHz telefon sesi

mihu-ses-v1 · Doğal ses

Adresleri, yer adlarını, tutarları, tarihleri, plakaları ve telefon numaralarını 7 dilin hepsinde insanların söylediği gibi okur. Cümlenin tamamı sentezlenmeden ses akmaya başlar.

POST /v1/audio/speech
“Your order of $1,250 ships to 17 Oak St”
Ses çıkışı24 kHz PCMakış
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
Akıllı okuma

%3,38 WER (tr)

%95,6 yer adı doğru

7 dil

Kim ne dedi, anında

Cinsiyet tespiti, konuşmacı ayrıştırma, konuşmacı kilidi ve gürültülü telefon hatları için ses izolasyonu. Her biri istek bazında açılır; kapalıyken ek gecikme olmaz.

GörüşmeDilKonuşmacıCinsiyetNihai metinDurum
S2 · kadın · %96
Gelen · Türkçe · 256 canlı görüşme
Nihai metin p95< 0.35 s

Akıllı biçimlendirme ve yer adları

“bin iki yüz elli lira” 1.250 TL olur; tarihler ve plakalar CRM'in beklediği biçimde çıkar. Yerleşik ilçe ve mahalle listeleri ile kendi anahtar kelimeleriniz, canlı görüşmelerde yer adı doğruluğunu 3 ila 8 puan artırır.

Akıllı biçimlendirme“bin iki yüz elli lira” → 1.250 TL · ~6 ms ekleritn
Yer adı güçlendirmeDenizli mahalleleri · %86 → %94 · ~10 ms eklerhotwords
Yerleşik listeler · 5 il
Kendi kelimeleriniz

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

— arayan, Denizli

Çağrı merkezleri ve sesli asistanlar için geliştirildi

mihu voice

Değerlendirme raporu · Kasım 2026

Demolarda değil, telefon sesinde ölçüldü.

Üç açık Türkçe test seti, seslendirilmiş 500 adres ve 1.273 sentez cümlesi; her sistem aynı yöntemle puanlandı. Kelime hata oranı ne kadar düşükse o kadar iyi.

3.42%

Sesli okumada WER

FLEURS Türkçe test seti, 743 kayıt. Karşılaştırmadaki en düşük değer.

Şekil 2

1.68%

Sesli adreslerde WER

500 adres, 8 kHz, yer ipuçlarıyla.

Tablo 3

19.5×

gerçek zamandan hızlı

Türkiye API'si üzerinden dosyalar, hızlı mod.

Tablo 3

3.38%

TTS kelime hata oranı

Açık mihuai/turkish-tts-eval setinin 1.273 cümlesi.

Şekil 3

FLEURS tr_tr test · 743 kayıt

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

Şekil 2. Kelime hata oranı (%), düşük olan daha iyi; Türkçe, orta puanlama kuralı (sayı ve biçim varyantları kabul edilir). mihu-umay-v1, sesli okuma setinde 9 sistem arasında birinci sırada. Ekseni aşan çubuklar kesilip → ile işaretlenmiştir.

Metinden seste anlaşılırlık

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 →

Şekil 3. Her sistem, açık mihuai/turkish-tts-eval veri setindeki aynı 1.273 çağrı merkezi cümlesini okur; bağımsız bir tanıma modeli sesi yazıya döker. Kelime hata oranı (%) ne kadar düşükse konuşma o kadar kolay anlaşılır. Yedi Türkçe TTS sistemi; tüm grafikler ve tablolar benchmark sayfasında.

Tablo 2. Aynı metinden sese çıktılarının doğallığı. Tahmini kalite puanları, yüksek olan daha iyi; her sütundaki en iyi değer kalın.

SistemUTMOSv2SCOREQDNSMOS 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

mihu-ses-v1, hem genel olarak hem de setteki 13 cümle kategorisinin tamamında en yüksek UTMOSv2 puanına sahip. Üç tahmin modeli birbiriyle uyuşmuyor ve insanlarla yapılan bir dinleme testinin yerini tutmuyor.

İki Türkçe TTS test seti

çağrı merkezi ve günlük konuşma

mihuai/turkish-tts-eval1.273 cümle · Şekil 3

Çağrı merkezi konuşmaları için referans setimiz; gerçek müşteri görüşmeleri örnek alınarak hazırlandı: tutarlar, hesap ve kimlik numaraları, adresler, e-posta ve web adresleri, harf harf söylenen adlar ve karışık biçimler. Bilerek zor tasarlandı.

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

Günlük konuşma seti: gündelik hayata dair 3 ila 13 kelimelik kısa cümleler, sorular ve ünlemler; az sayıda sayı veya kod içerir. Daha kolay olduğu için her sistemin hata oranı burada daha düşük.

freya-tr-eval üzerinde kelime hata oranı, %

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 →

Puanlama Şekil 3 ile aynı. Günlük konuşma setinde önde gelen sistemler arasındaki fark bir puanın altında; sistemler asıl çağrı merkezi setinde ayrışıyor.

Şekil 4. Çağrı merkezi seti, bir çağrı merkezinde doğru okunması gerekenleri ölçer; günlük set ise sade sohbet konuşmasını. Kelime hata oranı ne kadar düşükse o kadar iyi.

Tablo 3. Canlı servis ölçümleri, Türkiye bölgesi, 3 Kasım 2026.

ÖlçümAyarSonuç
Dosya transkripsiyon hızı, 743 kayıthızlı modgerçek zamanın 19,5 katı
Dosya transkripsiyon hızı, 743 kayıtnormal modgerçek zamanın 8,5 katı
Başarısız, eksik veya boş sonuç743 kayıt0
Adreslerde kelime hata oranı, 500 adres, 8 kHzyer ipucu yok → var%2,22 → %1,68
Tamamen doğru adres cümleleri, 8 kHzyer ipucu yok → var%92,6 → %97,2
Doğru anlaşılan mahalle adı, 8 kHzyer ipucu yok → var%95,6 → %98,2

Yöntem. Tüm ölçümlerde orta puanlama kuralı kullanıldı. Telefon: yalnızca test amacıyla kullanılan, herkese açık bir Türkçe telefon test seti. Yayın: yalnızca mihu eğitiminin dışında tutulan 502 MediaSpeech kaydı sayıldı. Hız, ağ dahil, herkese açık API üzerinden uçtan uca ölçüldü. Adres sesleri sentetiktir.

Sisteminiz de bu tablolarda yer alsın mı?

Bize API erişimi veya modeli gönderin; aynı test setlerinde aynı puanlamayla çalıştıralım, sonuçları önce size gösterelim ve ne çıkarsa çıksın burada yayınlayalım.

[email protected] →

Tüm benchmark sonuçları →

mihu voice1
mihu voice

Konuşmadan metne ve metinden sese teknolojilerinin çağrı merkezine entegrasyonu

mihu voice geliştiricileri · developers.mihu.ai

Tek bir API anahtarının arkasında iki model bulunur: konuşma tanıma için Umay, ses sentezi için Ses. İkisine de REST ve WebSocket üzerinden erişilir, her bölgede aynı şekilde yanıt verirler ve yalnızca base URL değiştirilerek resmi OpenAI SDK'larıyla kullanılabilirler. Bu not, modellerin mevcut bir çağrı merkezine nasıl yerleştiğini gösterir, her kullanım için çalışan bir istek örneği verir, her arayüzün neleri desteklediğini listeler ve anahtarların, verilerin ve ses izlerinin nasıl ele alındığını açıklar.

Mimari

İstemciler doğrudan seçtikleri bölgeye bağlanır; mihu SDK'sı gerekmez ve sizin tarafınızda hiçbir şey çalışmaz. Canlı görüşmelerde ses WebSocket üzerinden akar; dosyalar ve sentez düz HTTPS kullanır.[1][4] Verinin ağınızdan çıkmaması gereken durumlarda aynı servis kendi sunucularınızda çalışır.

(a) Sizin sistemleriniz

Çağrı merkezi / IVR

arayanın canlı sesi

Sesli asistan

nihai metin → LLM → konuşma

Görüşme kayıtları

arşiv, kalite kontrol, analitik

HTTPS, WSS, Bearer anahtarı

(b) mihu voice API

Umay — konuşmadan metne

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

Ses — metinden sese

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

veri bölgede kalır

(c) Nerede çalışır

Avrupa

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

Türkiye

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

Kendi sunucularınız

CPU üzerinde kurum içi Docker, çevrimdışı

Şekil 1. Kurulum genel görünümü. İstemciler her iki modele tek bir API anahtarıyla HTTPS ve WebSocket üzerinden erişir; her istek, çağrılan host'un ait olduğu bölgede işlenir ve verisi de orada tutulur.

Entegrasyon

Aşağıdaki her örnek, KEY ayarlandığında olduğu gibi çalışır. Bölge seçimi yalnızca host'u değiştirir.[2][3][5]

|
Bölge
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

Sunucu olayları

{"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}

Parametreler

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

Örnek 1. Konuşmadan metne, canlı görüşmeler (WebSocket, 16 kHz PCM). Host: stt.eu.mihu.ai; kılavuzun tamamı: developers.mihu.ai/stt/native-api.

Teknik özellikler

Tablo 1. İki modelin arayüzleri ve yetenekleri.

Konuşmadan metne (Umay)Metinden sese (Ses)
Modelmihu-umay-v1: dosyalar için umay, canlı için umay-streammihu-ses-v1
ArayüzlerREST; WebSocket (yerel); WebSocket (OpenAI Realtime)REST, üretilirken akış; server-sent events
SesYaygın biçimlerdeki tüm dosyalar, 16 kHz'e yeniden örneklenir. Canlı: 100 ms'lik çerçevelerle 16 kHz mono 16-bit PCM24 kHz mono; pcm (varsayılan), wav, mp3, opus, aac, flac
Dillertr, en, de, fr, it, ru, estr, en, de, fr, it, ru, es
SDK uyumluluğubase_url değiştirilerek resmi OpenAI SDK'larıbase_url değiştirilerek resmi OpenAI SDK'ları
Metin işlemeTutarlar ve tarihler rakamla yazılır; Türkçe ağız ve yer adı düzeltmesi; ifade ipuçlarıSayılar, tarihler ve kısaltmalar açılarak okunur; isteğe bağlı Türkçe üret-ve-doğrula; Rusçada vurgu
Konuşmacılar, seslerKonuşmacı ayrıştırma, cinsiyet tespiti, konuşmacı kilidi, onaylı ses izleri, imzalı doğrulama22 yerleşik ses; kayıttan oluşturulan özel sesler
Uzun işler, kontrolwebhook_url ile asenkron transkripsiyon; ses izolasyonu işleriBağlantıyı kapatmak sentezi durdurur (söz kesme)
Yük kontrolüCanlı görüşme sınırında WebSocket 1013 koduyla kapanır; ~1 sn sonra yeniden deneyinTüm işlem birimleri meşgulken 503; yeniden deneyin

Kaynaklar: [2], [3], [5], [6].

Güvenlik ve yönetişim

4.1Kimlik doğrulama. Her müşteriye bir API anahtarı; Authorization: Bearer <KEY> olarak ya da tarayıcı WebSocket'leri için ?api_key= ile gönderilir. Anahtar eksik veya hatalıysa 401 döner.[1]

4.2Veri yerleşimi. Bölge her istekte seçilir: Avrupa veya Türkiye. İkisinde de yollar, alanlar ve yanıtlar aynıdır; ses ve transkriptler çağrılan bölgenin sunucusunda kalır.[1] Türkiye bölgesi veriyi yurt içinde tutar (KVKK).

4.3Onay ve doğrulama. Ses izi yalnızca kişinin onayıyla saklanır ve kalıcı olarak silinebilir. Doğrulama sonuçları imzalıdır; açık anahtar /v1/voiceprints/jwks adresinde yayınlanır.[1]

4.4Kendi altyapınız. Müşteri tarafından yönetilen altyapıda konteynerleştirilmiş Docker servisleri olarak teslim edilir ve Rancher veya Helm ile Kubernetes üzerine kurulur. Standart CPU sunucularında çalışır: GPU ve internet bağlantısı gerekmez.

Kaynaklar

  1. [1]Umay konuşma tanıma — Giriş. developers.mihu.ai/stt/introduction
  2. [2]Umay — Yerel API (dosyalar ve canlı ses). developers.mihu.ai/stt/native-api
  3. [3]Umay — OpenAI uyumlu API. developers.mihu.ai/stt/openai
  4. [4]Ses metinden sese — Giriş. developers.mihu.ai/tts/introduction
  5. [5]Ses — Metinden sese, akış ve hatalar. developers.mihu.ai/tts/speech
  6. [6]Ses — Sesler. developers.mihu.ai/tts/voices
mihu voice2
mihu voice

Konsol

API'nin yaptığı her şey tarayıcıda: sesleri deneyin, yazıya dökün, ses klonlayın, anahtarlarınızı yönetin. Neyin ne kadar süre saklanacağına da siz karar verirsiniz.

Sesler

Yerleşik sesler ve kendi sesleriniz. Kullanmadan önce her birini dinleyebilirsiniz.

Metinden Sese

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

Konuşmadan Metne

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

Ses İzolatörü

Bir kayıttaki arka plan seslerini ve gürültüyü temizleyin; öncesini ve sonrasını karşılaştırın.

Ses Klonlama

10–30 saniyelik konuşmadan bir ses; okuma kontrolü ve konuşmacının onayıyla.

API anahtarları ve kullanım

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

Tablo 5. Konsolda veri saklama: Konsol → Ayarlar'dan siz seçersiniz.

Bir kez göster1 günvarsayılan1 hafta14 gün1 ay3 ay6 ay3 yıl
Ne saklanır
Yalnızca konsolda oluşturduğunuz transkriptler; hesabınızda ve kullandığınız bölgede (Avrupa veya Türkiye).
Ne kadar süre
Konsol → Ayarlar'da seçtiğiniz süre boyunca. Değiştirmezseniz 1 gün.
Sonra
Sunucularımızdan ve log kayıtlarımızdan silinir. Transkriptler zaten hiçbir zaman log'lara yazılmaz.
Hemen sil
Herhangi bir transkripti ya da tümünü, istediğiniz an. Sunuculardan ve log kayıtlarından anında kaldırılır.
Bir kez göster
Hiçbir yere bir şey yazılmaz: transkripti görürsünüz, sayfayı yenilediğinizde silinir.
Ses
Asla saklanmaz. Kayıtlar, üretilen konuşma ve izole edilmiş ses yalnızca hemen dinlemeniz ve indirmeniz içindir.

API ayrıdır: doğrudan API'ye gönderdiğiniz ses ve transkriptler işlenip size döndürülür, saklanmaz (bir sonraki sayfaya bakın).

mihu voice2
mihu voice

Veri koruma: KVKK ve GDPR

API'ye gönderilen ses ve transkriptler işlenip döndürülür, saklanmaz. Konsolda transkriptlerinizin ne kadar süre kalacağına siz karar verirsiniz: hiç saklanmamasından 3 yıla kadar. Aşağıda saklanan her şeyi, neden ve ne kadar süreyle saklandığını bulabilirsiniz.

Tablo 6. Saklanmayanlar.

VeriNe olur
SesCanlı akışlar bellekte işlenir, asla diske yazılmaz. Gönderdiğiniz bir dosya yalnızca yazıya dökülürken tutulur (büyük dosyalar ve file_url indirmeleri, hemen ardından silinen geçici bir dosyada); webhook_url işleri için Tablo 7'ye bakın.
TranskriptlerSize döndürülür; saklanmaz ve log'a yazılmaz. Tek istisna, bir webhook_url işinin sonucudur (Tablo 7).
Webhook adresleri ve gizli anahtarlarıwebhook_url, file_url ve webhook_secret değerleriniz asla log'a yazılmaz; log'larda yalnızca bir webhook kullanıldığı not edilir.
Ses izleri için ses kayıtlarıHiçbir modda saklanmaz. Yalnızca sayısal imza tutulur, o da yalnızca siz isterseniz.
Özel sesler için kayıtlarÇözülür, kırpılır ve sesi oluşturmak için kullanılır, ardından silinir. Yalnızca sesin kendisi ve bilgileri saklanır (Tablo 7).
Konsoldaki sesKayıtlar, üretilen konuşma ve izole edilmiş ses yalnızca hemen dinlemeniz ve indirmeniz içindir; hiçbiri kaydedilmez.

Tablo 7. Saklananlar ve saklama süreleri.

VeriNe zaman ve neSaklama süresi
Kullanım kayıtlarıFaturalandırma için hesap, model, dil, ses süresi (saniye) ve zaman. Ses yok, metin yok.faturalandırma için
Webhook işinin sesiYalnızca webhook_url ile gönderilen dosyalar için: ses, iş kuyruğunda diskte bekler ve tanıma biter bitmez silinir.yazıya dökülene kadar
Webhook işinin sonucuwebhook_url adresinize gönderilir (bir webhook_secret verdiğinizde HMAC-SHA256 ile imzalanır; sunucunuz yanıt vermezse 1 sn, 10 sn, 1 dk, 5 dk ve 30 dk sonra yeniden denenir) ve yalnızca hesabınız tarafından okunabilir. Ardından silinir. Teslimat hâlâ yeniden deneniyorsa en fazla bir saat daha kalır.tamamlandıktan sonra 1 saat
Ses izleriYalnızca siz oluşturduğunuzda ve kişinin onayıyla. Hesabınız altında saklanır (en fazla 1.000) ya da store=false ile şifreli bir token olarak size döndürülür; böylece biz hiçbir şey saklamayız.siz silene kadar
Özel seslerSes durumu ve bilgileri (ad, dil, cinsiyet, onay kaydı, kalite değerleri), yalnızca hesabınız altında. DELETE bunları kalıcı olarak siler.siz silene kadar
Konsol transkriptleriYalnızca konsolda oluşturduğunuz transkriptler; daha sonra açıp indirebilmeniz için hesabınızda tutulur. Süreyi Konsol → Ayarlar'dan siz seçersiniz: bir kez göster (hiç kaydedilmez), 1 gün (varsayılan), 1 hafta, 14 gün, 1 ay, 3 ay, 6 ay veya 3 yıl. Süre dolduğunda ya da siz sildiğinizde sunucularımızdan ve log kayıtlarımızdan kaldırılır. Transkriptler asla log'lara yazılmaz.varsayılan olarak 1 gün

Veri yerleşimi. Her istek, çağırdığınız bölgede (Avrupa veya Türkiye) işlenir ve verisi orada kalır. Türkiye bölgesi, KVKK'ya uygun olarak veriyi yurt içinde tutar.

Ses izleri biyometrik veridir. KVKK ve GDPR kapsamında kişinin açık rızasını gerektirir: aydınlatma metniniz ve açık rıza metniniz bu amacı kapsamalıdır. Her ses izi DELETE /v1/voiceprints/{id} ile kalıcı olarak silinebilir.

Cinsiyet tespiti kişisel veri işlemedir. gender_detection özelliğini açarsanız aydınlatma metniniz bunu kapsamalı ve gerekli olduğu durumlarda arayanın rızası alınmalıdır. Siz istemedikçe kapalıdır.

API veya konsol. API'ye gönderdiğiniz isteklerde Tablo 7'dekiler dışında hiçbir şey saklanmaz. Konsol yalnızca transkriptlerinizi, belirlediğiniz süre boyunca tutar (değiştirmezseniz 1 gün, bir kez göster ile hiç) ve ardından sunucularımızdan ve log kayıtlarımızdan siler. Sesi asla saklamaz.

Sizin tarafınızda kapatmanız gereken bir şey yok. Hiç ses izi oluşturmaz ve hiç webhook_url göndermezseniz yalnızca kullanım kaydı tutulur.

Kendi sunucularınız. Kurum içi kurulumlar internet bağlantısı olmadan sizin altyapınızda çalışır; böylece hiçbir veri mihu'ya ulaşmaz.

mihu voice3
mihu voice

Fiyatlar

Liste fiyatları euro cinsindendir. Gönderdiğiniz ses ve sentezlediğiniz karakterler için ödeme yaparsınız; seçenekler ayrıca ve yalnızca kullandığınızda faturalandırılır.

Konuşmadan metne

mihu-umay-v1

€0.09

ses saati başına

Ses dakikası başına €0.0015.

Metinden sese

mihu-ses-v1

€10.00

milyon karakter başına

Bin karakter başına €0.01.

Tablo 8. Konuşmadan metne seçenekleri ve ses uç noktaları; yalnızca kullanıldığında ek olarak faturalandırılır. Dosyalar ve canlı akışlar aynı fiyattadır.

SeçenekFiyatBirim
Ses izolasyonu€0.01görüşme başına
Konuşmacı ayrıştırma€0.01görüşme başına
Konuşmacı kilidi€0.01görüşme başına
Cinsiyet tespiti€0.01görüşme başına
Ses izleri€0.01istek başına
Konuşmacı doğrulama€0.01istek başına

Tablo 9. Tipik iş yüklerinin liste fiyatıyla maliyeti.

İş yüküHacimMaliyet
3 dakikalık 10.000 görüşmeyi yazıya dökmek500 saat ses€45.00
200 karakterlik 10.000 yanıtı seslendirmek2 milyon karakter€20.00
1.000 saatlik kaydı yazıya dökmek1.000 saat ses€90.00
Konuşmacı ayrıştırmalı, 3 dakikalık 10.000 görüşme500 saat + 10.000 görüşme€145.00
Ses izolasyonu, konuşmacı ayrıştırma, konuşmacı kilidi ve cinsiyet tespitiyle 3 dakikalık 10.000 görüşme500 saat + 4 seçenek × 10.000 görüşme€445.00

Kurum içi kurulum ya da daha yüksek hacim mi gerekiyor? Bizimle görüşün.

mihu voice4

Sıkça sorulan sorular

Verileriniz

API üzerinden: ne ses ne de transkript saklanır. Bellekte işlenip size döndürülür. Sakladıklarımız şunlardır: faturalandırma için kullanım kayıtları (ses veya metin içermez); webhook_url ile gönderilen asenkron işlerde, yazıya dökülene kadar ses ve iş bittikten sonra 1 saat boyunca sonuç; yalnızca siz oluşturursanız ve kişinin onayıyla ses izleri (store=false ile bunlar bile sizin tarafınızda kalır); siz silene kadar özel sesler (oluşturuldukları kayıt asla saklanmaz).

Yalnızca sizin seçtiğiniz süre boyunca. Konsolda oluşturduğunuz transkriptler, daha sonra açıp indirebilmeniz için hesabınızda tutulur: varsayılan olarak 1 gün; Konsol → Ayarlar'dan 1 hafta, 14 gün, 1 ay, 3 ay, 6 ay veya 3 yıl seçebilirsiniz. Süre dolduğunda ya da siz sildiğinizde sunucularımızdan ve log kayıtlarımızdan kaldırılır; transkriptler asla log'lara yazılmaz. “Bir kez göster”i seçerseniz hiçbir şey kaydedilmez: sayfayı yenilediğinizde silinir. Herhangi bir transkripti ya da tümünü istediğiniz an silebilirsiniz. Konsolda ses asla saklanmaz; ihtiyacınız olanı hemen indirin.

Hayır. Sesleriniz, transkriptleriniz ve metinleriniz modellerimizi eğitmek veya geliştirmek için kullanılmaz.

Evet. Arayanın kadın mı erkek mi olduğunu sesinden anlamak kişisel veri işlemedir. gender_detection özelliğini açarsanız KVKK / GDPR aydınlatma metniniz bunu kapsamalı ve gerekli olduğu durumlarda arayandan rıza almalısınız. Cinsiyet tespiti siz istemedikçe kapalıdır.

Modeller ve diller

Hem konuşmadan metne hem metinden sese için: Türkçe, İngilizce, Almanca, Fransızca, İtalyanca, Rusça ve İspanyolca. Dili her istekte belirtirsiniz.

Hayır. Kurum içi kurulum standart CPU sunucularında çalışır. Müşteri tarafından yönetilen altyapıda konteynerleştirilmiş Docker servisleri olarak gelir ve Rancher veya Helm ile Kubernetes üzerine kurulur. GPU ve internet bağlantısı gerekmez.

Metin, arayan daha konuşurken belirir. İlk ara metin konuşma başladıktan yaklaşık 0,44 sn sonra, nihai cümle ise arayan sustuktan yaklaşık 80 ms sonra gelir; ölçümler Türkiye'deki bir istemciden yapılmıştır. Pratikte arayan hiçbir boşluk duymaz: asistanınız, arayan sözünü bitirir bitirmez yanıta başlayabilir.

Özellikler

Hayır. Cinsiyet bilgisi arayan konuşmaya başladıktan yaklaşık 2 sn sonra gelir; konuşmacı ayrıştırma ise konuşmacıları canlı olarak etiketler. İkisi de metni geciktirmez. Her özellik istek bazında açılır; kapalıyken ek gecikme olmaz.

Söylenen sayılar, tutarlar, tarihler, saatler, telefon numaraları, plakalar ve adresler CRM'in beklediği biçimde yazılır: “bin iki yüz elli lira” 1.250 TL olur; İngilizcede “seventeen Oak Street apartment four” ise 17 Oak St, Apt 4 olarak yazılır. Yaklaşık 6 ms ekler.

7 dilin hepsinde sayılar, para birimleri, tarihler, saatler ve adresler otomatik olarak doğal konuşma gibi okunur. Uzun bileşik köy adları net telaffuz için bölünür; 500 adreslik testimizde, telefon bant genişliğinde mahalle adları %95,6 oranında, yer ipuçlarıyla %98,2 oranında doğru anlaşılır.

Evet. Konsoldaki Telaffuz sayfasından (ya da /v1/pronunciations API'siyle) her kelimenin nasıl okunacağını dile göre, isterseniz sese göre tanımlarsınız: “BMW” Türkçede “be me ve”, İngilizcede “bi em dabılyu” okunur. Kurallar hesabınızın tüm isteklerinde, Türkçe eklerle birlikte (“BMW'nin”) uygulanır; aynı kelimeler konuşmadan metne de ipucu olarak gider, böylece doğru yazılarak geri gelir.

Kurulum ve gizlilik

Seçtiğiniz bölgede: Avrupa veya Türkiye; Amerika Birleşik Devletleri yakında. Ses ve transkriptler çağırdığınız bölgenin sunucusunda kalır. Türkiye bölgesi, KVKK'ya uygun olarak veriyi yurt içinde tutar.

mihu voice ile geliştirmeye başlayın