Voz em tempo real e tradução ao vivo

Visão geral

O ToRun oferece suporte a voz bidirecional em tempo real — você fala, o assistente ouve e responde em áudio e texto em uma sessão ao vivo — e a tradução ao vivo, em que a fala é traduzida à medida que acontece. Elas funcionam na capacidade realtime (áudio + texto bidirecional) e são cobradas por segundo de tempo de sessão.

Capacidades envolvidas

• Tempo real (áudio + texto) — uma sessão ao vivo no estilo WebSocket com um modelo de provedor capaz para uma conversa de voz natural de ida e volta.
• Conversão de texto em fala (TTS) — saída de fala sintetizada em muitos idiomas.
• Conversão de fala em texto (STT) — transcrição, incluindo diarização de locutores (quem disse o quê).
• Tradução ao vivo — fala traduzida em tempo real entre idiomas.

Iniciar uma sessão em tempo real

1. Abra a superfície de voz/tempo real.
2. Conceda acesso ao microfone.
3. Fale naturalmente — o assistente transcreve, responde e (no modo de voz) responde por voz.
4. Encerre a sessão ao terminar. A sessão é rastreada como uma entidade de sessão de voz.

Para a tradução ao vivo, escolha os idiomas de origem e de destino; cada parte ouve a fala da outra traduzida à medida que é transmitida.

Cobrança

• O uso de tempo real e de tradução ao vivo é medido por segundo de áudio.
• Cada unidade de trabalho medida produz um BillingRecord com um instantâneo de preços, de modo que o custo de uma sessão de voz é transparente e auditável.
• Voz/tempo real fica por trás do direito de Voz/Áudio, incluído a partir do nível Pro em diante.

STT e diarização

A conversão de fala em texto oferece suporte à diarização de locutores, rotulando segmentos por locutor. Isso é útil para transcrever reuniões, entrevistas ou chamadas com vários participantes em que é preciso atribuir falas a locutores específicos.

Dicas

• Use um headset ou uma sala silenciosa — um áudio de entrada limpo melhora a precisão tanto da transcrição quanto da tradução.
• Como o tempo real é medido por segundo, encerre as sessões que não estiver usando ativamente.
• Para a transcrição pontual de uma gravação existente, a STT (e não uma sessão ao vivo em tempo real) é o caminho mais barato.