Reconnaissance et synthèse vocales, au plus près de l’appel
Reconnaissance en streaming, synthèse vocale, détection de mots-clés et reconnaissance du locuteur, dans la même stack que le chemin média. Utilisez des modèles ouverts sur vos GPU ou un fournisseur vocal cloud.
En bref
Streaming
L’appelant entend les premiers mots pendant que le reste est encore en cours de génération.
Fermer
La voix tourne à côté de la passerelle : l’audio ne traverse pas Internet pour être transcrit.
Le vôtre
Des modèles ouverts sur vos propres GPU, ou un fournisseur vocal cloud.
Équilibré
Les requêtes vont au point de terminaison sain le moins chargé qui sert le modèle.
Le silence est l’échec que les appelants remarquent
Une conversation naturelle laisse quelques centaines de millisecondes entre deux prises de parole. La reconnaissance doit décider que l’appelant a terminé, le modèle doit répondre et le premier audio doit être joué. Garder la voix sur la même infrastructure que l’appel supprime des sauts réseau à chaque tour.
Nos expertises
Reconnaissance vocale
Transcriptions en streaming avec détection de fin de tour, pour les bots et les sous-titres en direct.
Synthèse vocale
Une synthèse phrase par phrase, diffusée directement dans l’appel.
Détection de mots-clés
Détectez une expression dès qu’elle est prononcée, en pleine phrase, et orientez l’appel en conséquence.
Reconnaissance du locuteur
Distinguez les personnes sur un appel.
Exécutez la voix sur vos GPU
Les moteurs vocaux peuvent tourner sur des machines GPU via TLS mutuel. Donnez plus de poids aux GPU les plus puissants, et n’acheminez chaque modèle que vers les machines qui le servent.
Apportez le modèle vocal en qui vous avez confiance
Parole à parole ou reconnaissance, modèle et voix : changez en une ligne, gardez les mêmes outils et la même gestion des appels.
Questions fréquentes
Puis-je utiliser mes propres modèles vocaux ?
Oui. Exécutez des modèles ouverts sur vos GPU, ou utilisez l’un des 28 fournisseurs de voix, de Deepgram et ElevenLabs à Cartesia et AssemblyAI.
Puis-je utiliser la voix sans agent ?
Oui. La reconnaissance et la détection de mots-clés fonctionnent sur n’importe quel appel, avec ou sans agent.
Où va l’audio des appels ?
Vers les points de terminaison vocaux que vous configurez. Sur une stack auto-hébergée, il ne quitte jamais votre réseau.
Transcrivez votre premier appel.
La voix est incluse dans le cloud DialPress, et tourne sur vos GPU en auto-hébergement.