Introduction

​

Fonctionnalités

• Multilingue : nous prenons actuellement en charge cinq langues pour la synthèse vocale et la transcription : anglais (en), français (fr), allemand (de), espagnol (es) et portugais (pt), et d’autres langues suivront. La transcription accepte également any pour détecter automatiquement la langue.
• Faible latence : nos serveurs sont situés en Europe et aux États-Unis, et le délai attendu avant le premier token est inférieur à 300ms en streaming.
• Choix de la voix : nous proposons une bibliothèque de voix, avec de nombreuses voix dans différentes langues. Vous pouvez aussi cloner une voix instantanément à partir d’un échantillon vocal de 10 secondes.
• VAD sémantique : les flux de transcription incluent toutes les 80 ms des messages step contenant des probabilités d’inactivité sur plusieurs horizons futurs, ce qui permet aux agents vocaux de déterminer quand un locuteur a réellement terminé.
• Contrôle adaptatif du délai : ajustez delay_in_frames pour arbitrer entre latence et qualité, et utilisez flush en fin de tour de parole pour traiter l’audio en mémoire tampon sans attendre un silence naturel.