Voix en temps réel et traduction en direct

Aperçu

ToRun prend en charge la voix bidirectionnelle en temps réel — vous parlez, l'assistant écoute et répond en audio et en texte au cours d'une session en direct — ainsi que la traduction en direct, où la parole est traduite à mesure qu'elle se produit. Ces fonctions s'appuient sur la capacité realtime (audio + texte bidirectionnels) et sont facturées à la seconde de temps de session.

Capacités concernées

• Temps réel (audio + texte) — une session en direct de type WebSocket avec un modèle de fournisseur performant pour une conversation vocale naturelle dans les deux sens.
• Synthèse vocale (TTS) — sortie vocale synthétisée dans de nombreuses langues.
• Reconnaissance vocale (STT) — transcription, y compris la diarisation des locuteurs (qui a dit quoi).
• Traduction en direct — parole traduite en temps réel d'une langue à l'autre.

Démarrer une session en temps réel

1. Ouvrez la surface voix/temps réel.
2. Accordez l'accès au microphone.
3. Parlez naturellement — l'assistant transcrit, répond et (en mode voix) répond à voix haute.
4. Terminez la session une fois terminée. La session est suivie en tant qu'entité de session vocale.

Pour la traduction en direct, choisissez les langues source et cible ; chaque interlocuteur entend la parole de l'autre traduite au fil de la diffusion.

Facturation

• L'utilisation du temps réel et de la traduction en direct est mesurée à la seconde d'audio.
• Chaque unité de travail mesurée produit un BillingRecord avec un instantané de tarification, de sorte que le coût d'une session vocale est transparent et auditable.
• La voix/temps réel relève du droit Voix/Audio, inclus à partir du niveau Pro.

STT et diarisation

La reconnaissance vocale prend en charge la diarisation des locuteurs, qui étiquette les segments par locuteur. C'est utile pour transcrire des réunions, des entretiens ou des appels à plusieurs participants où vous devez attribuer les propos à des locuteurs précis.

Conseils

• Utilisez un casque-micro ou une pièce calme — un audio d'entrée propre améliore à la fois la précision de la transcription et de la traduction.
• Comme le temps réel est mesuré à la seconde, terminez les sessions que vous n'utilisez pas activement.
• Pour la transcription ponctuelle d'un enregistrement existant, la STT (et non une session en direct en temps réel) est la solution la moins coûteuse.