Głos w ToRun to nie jedna funkcja — to trzy, a każda wybiera spośród wielu dostawców.
Rozmowy w czasie rzeczywistym
Tryb głosu na żywo łączy Cię z modelami natywnie głosowymi dla prawdziwej rozmowy w obie strony — z przerwaniami, tonem, wszystkim włącznie. Sesje są mierzone czasem audio z ceną pokazaną przed połączeniem, a bezczynne sesje są automatycznie kończone, więc zapomniana karta nie może po cichu Cię obciążać.
Synteza mowy
TTS obejmuje dostawców i katalogi głosów — od szybkich, tanich głosów do zadań użytkowych po ekspresyjne do narracji. Wybór głosu pokazuje cenę za znak lub za minutę obok każdej opcji, więc koszt „niech brzmi ładniej" to liczba, a nie niespodzianka.
Transkrypcja
Konwersja mowy na tekst jest kierowana do dostawców szybkiego wnioskowania, gdy liczy się szybkość, i do modeli wyższej precyzji, gdy liczy się wierność. Prześlij audio lub mów bezpośrednio; transkrypcja trafia do Twojego czatu, gdzie możesz od razu ją podsumować, przetłumaczyć lub na jej podstawie działać.
Jeden rachunek, jeden rejestr
Wszystkie trzy przechodzą przez ten sam pipeline rozliczeniowy co tekst: jeden rekord na wywołanie, wyceniony w momencie użycia, widoczny w Twoim rejestrze kilka sekund później. Głos jest pełnoprawnym obywatelem, a nie doczepioną później demonstracją.