Inworld AI
Πλατφόρμα φωνητικής AI σε πραγματικό χρόνο, με μετατροπή κειμένου σε ομιλία, ομιλίας σε κείμενο, API ομιλίας σε ομιλία και δρομολόγηση LLM.
Η Inworld AI είναι ερευνητικό εργαστήριο και πάροχος inference που προσφέρει φωνητική AI σε πραγματικό χρόνο μέσω APIs. Οι προγραμματιστές τη χρησιμοποιούν για να προσθέτουν μετατροπή κειμένου σε ομιλία, ομιλίας σε κείμενο και συνομιλία ομιλίας σε ομιλία σε εφαρμογές για καταναλωτές, και για να δρομολογούν αιτήματα συνομιλίας σε πολλά γλωσσικά μοντέλα μέσω ενός endpoint. Η πρόσβαση γίνεται με κλειδί API, με προγράμματα που περιλαμβάνουν μηνιαίες μονάδες χρήσης.
Ιδανικό για Ομάδες ανάπτυξης που φτιάχνουν φωνητικούς πράκτορες, συντρόφους, παιχνίδια ή εφαρμογές εκμάθησης και χρειάζονται μοντέλα ομιλίας χαμηλής καθυστέρησης και δρομολόγηση μοντέλων από έναν πάροχο.
- Πλατφόρμες
- API, Web
- Μοντέλο τιμολόγησης
- Μονάδες (credits)
- Δωρεάν πρόγραμμα
- Ναι
- API
- Ναι
- Δημιουργός
- Inworld AI
- Προστέθηκε
Τελευταία επαλήθευση: . Οι πληροφορίες προέρχονται από το inworld.ai.
Τι είναι η Inworld AI;
Η Inworld AI είναι πάροχος μοντέλων AI και inference σε πραγματικό χρόνο, για εφαρμογές που απευθύνονται σε καταναλωτές. Τα δικά της μοντέλα μετατροπής κειμένου σε ομιλία, Realtime TTS-2 και TTS-2 Flash, δέχονται οδηγίες σε αγκύλες μέσα στο κείμενο για να αλλάξουν τον τόνο, τον ρυθμό, την ένταση και τις παύσεις, και καλύπτουν περισσότερες από 200 γλώσσες. Οι φωνές μπορούν να κλωνοποιηθούν από 15 δευτερόλεπτα ήχου ή να σχεδιαστούν από μια γραπτή περιγραφή. Ένα Realtime API μεταφέρει την εισερχόμενη και την εξερχόμενη ομιλία μέσω μίας σύνδεσης WebSocket ή WebRTC, με ανίχνευση σειράς ομιλίας και κλήση συναρτήσεων, ενώ η υπηρεσία ομιλίας σε κείμενο προσθέτει μεταγραφή σε ροή, σήματα προφίλ φωνής, διαχωρισμό ομιλητών και χρονοσφραγίδες λέξεων. Ο Realtime Router στέλνει αιτήματα LLM σε μοντέλα των OpenAI, Anthropic, Google και άλλων, στις τιμές των παρόχων. Η εταιρεία αναφέρει μεταξύ των στοιχείων συμμόρφωσής της τα SOC 2 Type II, HIPAA και GDPR και λέει ότι έχει εξαγοράσει την Ultravox.
Βασικές δυνατότητες
Κείμενο σε ομιλία σε πραγματικό χρόνο
Συνθέτει ομιλία με δηλωμένο χρόνο έως το πρώτο byte κάτω από 100 ms για το TTS-2 και 25 ms για την παραλλαγή Flash.
Οδηγίες φωνής μέσα στο κείμενο
Διαβάζει οδηγίες σε αγκύλες μέσα στο σενάριο και προσαρμόζει ανάλογα τον τόνο, την ταχύτητα, την ένταση, το στυλ και τις παύσεις.
Κλωνοποίηση και σχεδιασμός φωνής
Δημιουργεί προσαρμοσμένη φωνή από δείγμα 15 δευτερολέπτων ή από κειμενική περιγραφή προφοράς, ηλικίας, τόνου και ενέργειας.
API ομιλίας σε ομιλία
Μεταδίδει ήχο full-duplex μέσω μίας σύνδεσης WebSocket ή WebRTC, με ρυθμιζόμενη εναλλαγή σειράς ομιλίας και κλήσεις εργαλείων μέσα στη συνεδρία.
Ομιλία σε κείμενο με προφίλ
Μεταγράφει ζωντανό ή ηχογραφημένο ήχο και επιστρέφει σήματα συναισθήματος, ηλικίας, προφοράς, τόνου και στυλ για κάθε τμήμα.
Router LLM
Δρομολογεί αιτήματα chat completion σε περισσότερα από 100 μοντέλα, με failover και δοκιμές A/B και χωρίς προσαύξηση στις τιμές των παρόχων.
Στιγμιότυπα οθόνης
Περιπτώσεις χρήσης
- Φωνητικοί πράκτορες
- Τροφοδοτήστε έναν πράκτορα υποστήριξης ή προγραμματισμού ραντεβού που απαντά στους καλούντες με σχεδόν ανεπαίσθητη καθυστέρηση.
- Σύντροφοι AI
- Δώστε σε έναν χαρακτήρα-σύντροφο μια σταθερή, εκφραστική φωνή σε μεγάλες συζητήσεις.
- Χαρακτήρες παιχνιδιών
- Αφήστε τους παίκτες να μιλούν με χαρακτήρες που δεν ελέγχονται από παίκτη και απαντούν με φωνητικό διάλογο.
- Εφαρμογές εκμάθησης γλωσσών
- Δημιουργήστε προφορικό υλικό εξάσκησης σε πολλές γλώσσες από μία κλωνοποιημένη ή σχεδιασμένη φωνή.
- Έλεγχος κόστους μοντέλων
- Στείλτε κάθε αίτημα σε φθηνότερο ή ταχύτερο γλωσσικό μοντέλο ανάλογα με το πρόγραμμα ή την τοποθεσία του χρήστη.
Τι πρέπει να γνωρίζετε
- Τα προγράμματα βασίζονται σε μονάδες
- Τα επί πληρωμή επίπεδα περιλαμβάνουν μηνιαίο ποσό μονάδων που μπορεί να δαπανηθεί σε ομιλία και γλωσσικά μοντέλα, με χαμηλότερες τιμές μονάδας στα υψηλότερα επίπεδα.
- Οι επιλογές συμμόρφωσης διαφέρουν ανά επίπεδο
- Η μηδενική διατήρηση δεδομένων, το HIPAA και το BAA αναφέρονται ως πρόσθετα από το επίπεδο Growth και οι επιλογές τοποθεσίας δεδομένων εμφανίζονται στο Enterprise.
- Η εστίαση μετακινήθηκε στην υποδομή φωνής
- Ο τρέχων ιστότοπος παρουσιάζει την Inworld ως πάροχο ομιλίας και inference και ανακοινώνει την εξαγορά της Ultravox για εργασίες ομιλίας σε ομιλία.
Συχνές ερωτήσεις
Τι είναι η Inworld AI;
Η Inworld AI είναι ερευνητικό εργαστήριο και πάροχος inference που προσφέρει μέσω APIs κείμενο σε ομιλία, ομιλία σε κείμενο, ομιλία σε ομιλία και δρομολόγηση LLM σε πραγματικό χρόνο.
Σε τι χρησιμεύει η Inworld AI;
Η Inworld AI χρησιμοποιείται για να προσθέτει φωνητικές δυνατότητες σε εφαρμογές για καταναλωτές, όπως σύντροφοι, παιχνίδια, εργαλεία εκμάθησης, εφαρμογές ευεξίας και πράκτορες εξυπηρέτησης πελατών.
Έχει API η Inworld AI;
Ναι. Η Inworld AI παρέχεται μέσω αρθρωτών APIs με δημόσια τεκμηρίωση, τεκμηρίωση αναφοράς API και playground.
Είναι δωρεάν η Inworld AI;
Η Inworld AI έχει επίπεδο On-Demand που ξεκινά δωρεάν και περιλαμβάνει περιορισμένη ποσότητα κειμένου σε ομιλία· η χρήση πέρα από αυτήν και τα υψηλότερα επίπεδα είναι επί πληρωμή. Για τις τρέχουσες τιμές δείτε την επίσημη σελίδα τιμών.
Πόσες γλώσσες υποστηρίζει η Inworld AI;
Η Inworld AI λέει ότι η μετατροπή κειμένου σε ομιλία καλύπτει περισσότερες από 200 γλώσσες και ότι μία κλωνοποιημένη φωνή μπορεί να μιλά σε όλες.
Μπορεί η Inworld AI να κλωνοποιήσει μια φωνή;
Ναι. Η Inworld AI δηλώνει ότι μπορεί να δημιουργηθεί προσαρμοσμένη φωνή από 15 δευτερόλεπτα ήχου και ότι οι φωνές μπορούν επίσης να σχεδιαστούν από κειμενική περιγραφή.
Σε ποια γλωσσικά μοντέλα μπορεί να δρομολογήσει η Inworld AI;
Ο router της Inworld AI φτάνει σε μοντέλα των OpenAI, Anthropic και Google, μαζί με περισσότερα από 100 άλλα, μέσα από ένα API.
Σε ποιους απευθύνεται
- Προγραμματιστές
- Δημιουργοί φωνητικών πράκτορων
- Στούντιο παιχνιδιών
- Ομάδες εφαρμογών-συντρόφων
- Πλατφόρμες εκπαίδευσης
Χρησιμοποιείται σε αυτούς τους οδηγούς
- Δημιουργία εφαρμογής με AI: η στοίβα εργαλείων, επίπεδο προς επίπεδοΣτάδιο 7: Δυνατότητες φωνής, εικόνας και βίντεο
Κάθε οδηγός παρουσιάζει τα στάδια μιας δουλειάς και τα εργαλεία που βοηθούν σε καθένα από αυτά. Όλοι οι οδηγοί
Σχόλια
Δεν υπάρχουν ακόμη σχόλια. Αν έχετε χρησιμοποιήσει το Inworld AI, πείτε στους άλλους αναγνώστες πώς σας φάνηκε.
Εναλλακτικές του Inworld AI
| Εργαλείο | Δωρεάν πρόγραμμα | Τιμή εκκίνησης | API |
|---|---|---|---|
 Fish AudioΠλατφόρμα φωνής AI για μετατροπή κειμένου σε ομιλία και κλωνοποίηση φωνής, με ετικέτες συναισθήματος, μεγάλη βιβλιοθήκη φωνών και API για προγραμματιστές. |
Ναι | — | Ναι |
 LazybirdΓεννήτρια εκφώνησης με AI που μετατρέπει σενάρια σε ομιλία έτοιμη για λήψη, με 200+ φωνές, κλωνοποίηση φωνής και API. |
Ναι | — | Ναι |
 ListnrΓεννήτρια φωνής AI για κείμενο σε ομιλία, κλωνοποίηση φωνής και αφήγηση σε στούντιο μέσα στο πρόγραμμα περιήγησης. |
Ναι | — | Ναι |
 TypecastΓεννήτρια φωνής AI με μετατροπή κειμένου σε ομιλία που αναγνωρίζει το συναίσθημα, κλωνοποίηση φωνής, εφαρμογή για κινητά και API για προγραμματιστές. |
Ναι | — | Ναι |
 Voice.aiΠλατφόρμα φωνής AI που συνδυάζει αλλαγή φωνής σε πραγματικό χρόνο, κλωνοποίηση φωνής, κείμενο σε ομιλία και τηλεφωνικούς φωνητικούς βοηθούς. |
Ναι | — | Ναι |
Εργαλεία στις ίδιες κατηγορίες με το Inworld AI. Η τιμή εκκίνησης εμφανίζεται μόνο όπου την ελέγξαμε στη σελίδα τιμών του δημιουργού· η παύλα σημαίνει ότι δεν ελέγχθηκε ή δεν έχει δημοσιευτεί. Όλα τα εργαλεία: Κείμενο σε ομιλία