即時語音與即時翻譯

概述

ToRun 支援即時雙向語音——您說話，助理在即時工作階段中聆聽並以音訊和文字回應——以及即時翻譯，即在語音發出的同時進行翻譯。這些功能執行於 realtime 能力（雙向音訊 + 文字）之上，並按工作階段時長逐秒計費。

涉及的能力

• 即時（音訊 + 文字）——與具備能力的提供者模型建立的類似 WebSocket 的即時工作階段，用於自然的來回語音對話。
• 文字轉語音（TTS）——涵蓋多種語言的合成語音輸出。
• 語音轉文字（STT）——轉錄，包括說話者分離（誰說了什麼）。
• 即時翻譯——在語言之間即時翻譯的語音。

啟動即時工作階段

1. 開啟語音/即時介面。
2. 授予麥克風存取權限。
3. 自然地說話——助理進行轉錄、回應，並（在語音模式下）以語音回覆。
4. 完成後結束工作階段。工作階段會作為語音工作階段實體進行追蹤。

對於即時翻譯，請選擇來源語言和目標語言；每一方在對方語音串流傳輸的同時聽到經過翻譯的語音。

計費

• 即時與即時翻譯的使用按音訊逐秒計量。
• 每個計量的工作單元都會產生一筆帶有定價快照的 BillingRecord，因此語音工作階段的成本透明且可稽核。
• 語音/即時位於語音/音訊權益之後，從 Pro 層級及以上包含該權益。

STT 與說話者分離

語音轉文字支援說話者分離，按說話者為片段加上標籤。這對於轉錄會議、訪談或多方通話非常有用，因為在這些情境中您需要將話語歸屬到特定說話者。

提示

• 使用耳機或安靜的房間——乾淨的輸入音訊可同時提高轉錄與翻譯的準確性。
• 由於即時按秒計量，請結束您並未積極使用的工作階段。
• 對於現有錄音的一次性轉錄，STT（而非即時工作階段）是較便宜的方式。