Giọng nói thời gian thực và dịch trực tiếp

Tổng quan

ToRun hỗ trợ giọng nói hai chiều theo thời gian thực — bạn nói, trợ lý lắng nghe và phản hồi bằng âm thanh và văn bản trong một phiên trực tiếp — và dịch trực tiếp, trong đó lời nói được dịch ngay khi diễn ra. Những tính năng này chạy trên khả năng realtime (âm thanh + văn bản hai chiều) và được tính phí theo giây thời gian phiên.

Các khả năng liên quan

• Thời gian thực (âm thanh + văn bản) — một phiên trực tiếp kiểu WebSocket với một mô hình nhà cung cấp đủ năng lực để trò chuyện bằng giọng nói qua lại một cách tự nhiên.
• Chuyển văn bản thành giọng nói (TTS) — đầu ra giọng nói tổng hợp trên nhiều ngôn ngữ.
• Chuyển giọng nói thành văn bản (STT) — phiên âm, bao gồm phân biệt người nói (ai đã nói gì).
• Dịch trực tiếp — lời nói được dịch theo thời gian thực giữa các ngôn ngữ.

Bắt đầu một phiên thời gian thực

1. Mở giao diện giọng nói/thời gian thực.
2. Cấp quyền truy cập micrô.
3. Nói một cách tự nhiên — trợ lý phiên âm, phản hồi và (ở chế độ giọng nói) trả lời bằng giọng nói.
4. Kết thúc phiên khi xong. Phiên được theo dõi như một thực thể phiên giọng nói.

Đối với dịch trực tiếp, chọn ngôn ngữ nguồn và ngôn ngữ đích; mỗi bên nghe lời nói của bên kia được dịch khi nó được truyền phát.

Tính phí

• Việc sử dụng thời gian thực và dịch trực tiếp được đo theo giây âm thanh.
• Mỗi đơn vị công việc được đo lường tạo ra một BillingRecord với ảnh chụp nhanh về giá, nhờ đó chi phí của một phiên giọng nói minh bạch và có thể kiểm toán.
• Giọng nói/thời gian thực nằm sau quyền lợi Giọng nói/Âm thanh, được bao gồm từ cấp Pro trở lên.

STT và phân biệt người nói

Chuyển giọng nói thành văn bản hỗ trợ phân biệt người nói, gắn nhãn các phân đoạn theo người nói. Điều này hữu ích để phiên âm các cuộc họp, phỏng vấn hoặc cuộc gọi nhiều bên khi bạn cần quy các câu nói cho những người nói cụ thể.

Mẹo

• Sử dụng tai nghe có micrô hoặc một phòng yên tĩnh — âm thanh đầu vào sạch giúp cải thiện độ chính xác của cả phiên âm lẫn dịch thuật.
• Vì thời gian thực được đo theo giây, hãy kết thúc các phiên bạn không sử dụng tích cực.
• Để phiên âm một lần một bản ghi âm hiện có, STT (không phải phiên thời gian thực trực tiếp) là con đường rẻ hơn.