A voz no ToRun não é um recurso só — são três, e cada um escolhe entre vários provedores.
Conversas em tempo real
O modo de voz ao vivo conecta você a modelos nativos de fala para uma conversa de verdade, de ida e volta — com interrupções, tom de voz e tudo mais. As sessões são medidas pelo tempo de áudio, com o preço mostrado antes de você se conectar, e sessões inativas são encerradas automaticamente, para que uma aba esquecida não fique te cobrando escondido.
Conversão de texto em fala
O TTS abrange vários provedores e catálogos de vozes — de vozes rápidas e baratas para tarefas utilitárias até vozes expressivas para narração. O seletor de vozes mostra o preço por caractere ou por minuto ao lado de cada opção, então o custo de "deixar mais bonito" é um número, não uma surpresa.
Transcrição
A conversão de fala em texto (STT) é roteada para provedores de inferência rápida quando velocidade é o que importa, e para modelos de maior precisão quando fidelidade é o que importa. Envie um áudio ou fale diretamente; a transcrição cai no seu chat, onde você já pode resumir, traduzir ou agir em cima dela.
Uma fatura, um livro-razão
As três funcionalidades passam pelo mesmo pipeline de faturamento que o texto: um registro por chamada, precificado no momento do uso, visível no seu livro-razão segundos depois. Voz é cidadã de primeira classe aqui, não uma demonstração pendurada por fora.