Huu ni utafsiri wa mashine wa hati asili ya Kiingereza. Ikitokea mgongano wowote kati ya tafsiri hii na toleo asili la Kiingereza, toleo la Kiingereza ndilo litakalozingatiwa. Soma toleo asili la Kiingereza

Sauti: Sema na Usikilize

Unataka AI isome majibu kwa sauti? Au imla ujumbe badala ya kuandika? Caiioo inatoa ingizo na pato la sauti—zote zinaweza kusanidiwa, zingine zikijiendesha ndani ya kifaa chako.

Mipangilio ya sauti yenye chaguo za ingizo na pato, kugeuza kusoma kiotomatiki, na kasi ya uchezaji

Toleo la Sauti (Text-to-Speech)

Iwezeshe AI kusoma majibu yake kwa sauti. Chagua kutoka kwa:

| Chaguo | Aina | Ubora | Usanidi | |--------|------|Msingi | Bure, hakuna usanidi | | Kokoro Neural TTS | Ya Kienyeji | Juu | Bure, inaendeshwa kwenye kifaa chako | | Google Gemini | Wingu | Ya Asili | Ongeza ufunguo wako wa API | | OpenAI (gpt-4o-mini-tts) | Wingu | Ya Asili, inayoweza kuongozwa | Ongeza ufunguo wako wa API wa OpenAI | | ElevenLabs | Wingu | Ya Kulipia | Ongeza ufunguo wako wa API | | Cartesia (Sonic 3.5) | Wingu | Ya Kulipia | Ongeza ufunguo wako wa API | | Resemble.ai | Wingu | Bora sana (uigaji wa sauti) | Ongeza ufunguo wako wa API |

Ukubwa wa upakuaji wa Kokoro: Model ya Kokoro inakuja katika matoleo mawili, na ni ipi itakayopakuliwa inategemea mfumo wako. macOS na iOS hupakia model ndogo ya INT8-quantized (~88 MB), wakati kiendelezi/kivinjari kinatumia muundo mkubwa zaidi wa usahihi kamili wa WebGPU (~330 MB). Hii ni mara moja tu ya kupakua.

Maelezo ya mfumo:

  • Kokoro ya asili ya iOS (v0.9.720+): Inaendeshwa katika mchakato mwenyeji wa iOS kupitia OnnxRuntime badala ya WebView, ikitatua hitilafu za iPhone 13/14.
  • Kokoro ya macOS: Inatiririsha sentensi kwa sentensi (ndani ya sekunde ~1 ya kubonyezacheza) kupitia mchakato msaidizi wa kompyuta ya mezani.
  • Gemini TTS (v0.9.723+): Inacheza sentensi kwa sentensi, kwa hivyo sauti huanza baada ya sentensi ya kwanza badala ya kusubiri jibu lote litengenezwe.
  • OpenAI (v0.9.724+): gpt-4o-mini-tts yenye uwezo wa kuongoza utoaji — omba lafudhi, sauti, au kasi kwa lugha ya asili (km. "soma hii kwa lafudhi ya joto ya Kiayalandi") na sauti itafuata. Inatum একই ufunguo wa API wa OpenAI kama mtoa huduma wa OpenAI LLM. Sehemu ya Maagizo ya mtindo wa sauti katika Mipangilio > Sauti inatumia maagizo yako ya mtindo kwa kila jibu linalozungumzwa.
  • Cartesia (v0.9.723+): Ufunguo mmoja wa API unatawala Sonic 3.5 (matokeo) na Ink (uingizaji). Hakuna sauti chaguomsingi—chagua moja katika Mipangilio > Sauti kabla ya kuiwezesha.

Kuchelewa (Latency): Gemini na OpenAI hutoa jibu lote kabla ya uchezaji kuanza, kwa hivyo sauti ya kwanza inaweza kuchelewa sekunde chache kwenye majibu marefu — Mipangilio > Sauti inaonyesha dokezo unapochagua moja wapo. Kwa hotuba ya kuchelewa kwa chini, chagua ElevenLabs, Cartesia, au Resemble.

Kasi ya uchezaji: Kitelezi cha kasi (0.5×–2.0×) kinatumiwa na mtoa huduma kwa ElevenLabs (kimezuiliwa hadi 0.7–1.2×) na Cartesia (kimezuiliwa hadi 0.6–1.5×). Sauti za kivinjari na Kokoro huharakisha ndani ya kifaa. Gemini na OpenAI hazina udhibiti wao wa kasi, kwa hivyo kitelezi kimefichwa wakati zimechaguliwa; Resemble.ai inatumia kasi kwenye uchezaji wa kawaida (usio wa kutiririsha).

Ili kuiwezesha:

  1. Nenda kwenye Mipangilio > Sauti
  2. Chagua chaguo la maandishi-hadi-hotuba
  3. Washa "Soma majibu kiotomatiki" ikiwa unataka AI isome kiotomatiki
  4. Rekebisha kasi ya uchezaji ikiwa unapenda

Ikiwa uchezaji utashindwa: Hitilafu za sauti sasa zinaonekana kama arifa ya muda mfupi badala ya kushindwa kimya kimya—kwa hivyo ufunguo wa API uliopotea au batili, au sauti isiyoendana na model iliyochaguliwa (kawaida na Resemble.ai na Cartesia), inakuambia haswa nini cha kurekebisha.

Kienyeji dhidi ya Wingu: Sauti za kivinjari na Kokoro hazitumi chochote nje ya kifaa chako. Gemini, OpenAI, ElevenLabs, Cartesia, na Resemble.ai hutuma maandishi kwenye seva zao (kwa kutumia funguo zako za API) ili kutengeneza sauti. Angalia Faragha na Data kwa maelezo zaidi.

Gharama za sauti (TTS + STT) hujumlishwa kama voice_cost kwenye mazungumzo, zikilingana na njia ya mara moja.

Ingizo la Sauti (Hotuba-hadi-Maandishi)

Sema ujumbe wako badala ya kuandika. Bonyeza aikoni ya maikrofoni kwenye sehemu ya kuandikia ili kuanza kurekodi. Caiioo itanakili unachosema na kukiweka kwenye sehemu ya ujumbe.

Chagua jinsi inavyonakili:

Chaguo Aina Faragha Usanidi
Whisper (Kivinjari) Ndani Faragha kabisa FREE, inafanya kazi kwenye kifaa chako
WhisperKit (iOS) Ndani Faragha kabisa FREE, kwenye kifaa
whisper.cpp & Moonshine (Android) Ndani Faragha kabisa FREE, kwenye kifaa
Browser Speech Ndani Faragha FREE, imejengwa ndani
ElevenLabs Scribe Wingu Sahihi (nzuri kwa lugha zisizo Kiingereza) Ongeza ufunguo wako wa API wa ElevenLabs
Cartesia Ink Wingu Sahihi, ucheleweshaji mdogo Ongeza ufunguo wako wa API wa Cartesia

Chaguzi za ndani (Whisper, WhisperKit, whisper.cpp, Moonshine, Browser Speech) huweka sauti yako ndani ya kifaa—hakuna kinachotumwa kwenye seva yoyote. ElevenLabs na Cartesia hutuma sauti kwenye seva zao kwa ajili ya unukuzi (kwa kutumia ufunguo wako wa API) na hutoa usahihi wa juu, hasa kwa lugha zisizo Kiingereza.

Ili kuitumia:

  1. Bonyeza aikoni ya maikrofoni kwenye sehemu ya kuandikia
  2. Sema ujumbe wako
  3. Simama unapomaliza
  4. Nakala inaonekana kwenye sehemu ya ujumbe
  5. Hariri ikihitajika, kisha tuma

Usanidi wa mara ya kwanza: Mara ya kwanza unapotumia modeli ya hotuba kwenye kifaa, inapaswa kupakuliwa na kutayarishwa. Sehemu ya kuandikia inaonyesha maendeleo ("Inapakua modeli ya hotuba… N%", kisha "Inatayarisha"/"Inapakia"), kwa hivyo kusubiri kidogo kwenye mguso wako wa kwanza wa maikrofoni kunatarajiwa, si kukwama.

Rekodi Sauti na Uambatishe

Badala ya uandikishaji tu, unaweza kurekodi klipu na kuiambatanisha na ujumbe wako: fungua menyu ya + ya kihariri na uchague Rekodi sauti. Inapatikana kwenye iPhone, iPad, macOS, na kiendelezi cha kivinjari. Inaendana kiasili na programu zinazosikiliza rekodi zako, kama vile kocha wa matamshi wa "kwa Lugha".

Ruhusu Modeli Isikie Rekodi Yako

Vipengele viwili vinaenda zaidi ya uandikishaji na kuruhusu modeli inayoweza kusikia kufanya kazi na sauti halisi:

  • Jumuisha sauti kwa ajili ya modeli (Mipangilio > Sauti): inaambatanisha rekodi yako ili modeli inayoweza kusikia sauti (k.m. Gemini) ipitie sauti halisi pamoja na kidokezo chako — sauti, matamshi, sauti za nyuma, sio maneno tu. Imezimwa kwa chaguo-msingi; hakuna kinachotumwa vinginevyo. Kitufe cha umbo la wimbi karibu na maikrofoni kinabadilisha kwa kila ujumbe, lakini kitufe kinaonekana tu katika njia na programu zinazojiunga nayo (kama "kwa Lugha"), kwa hivyo haisumbui kihariri kwa kazi za kila siku.
  • Kusikia (zana ya bure, imewashwa kwa chaguo-msingi): inamruhusu msaidizi kurudi nyuma na kusikiliza tena kiambatisho chochote cha sauti kwa swali linalolengwa la ufuatiliaji — "ni maneno gani yaliyotamkwa vibaya?", "sauti ya sauti ni ipi?" — kwenye zamu unayoambatanisha au nyingine yoyote inayofuata. Modeli maalum ya msaidizi wa sauti hufanya usikilizaji, kwa hivyo hii inafanya kazi hata wakati modeli yako ya mazungumzo haiwezi kusikia.

Imla ya Mfumo Mzima (macOS)

Wasajili wa Pro kwenye macOS wanaweza pia kusakinisha PrivateVoice, programu tofauti inayoongeza kitufe cha mkato cha kimataifa cha kuandika kwa sauti kwenye programu yoyote—sio Caiioo pekee. Tazama ukurasa wa upakuaji wa kompyuta kwa maelezo.

Angalia Pia

  • Faragha na Data — Jinsi data ya sauti inavyoshughulikiwa
  • Jukwaa na Usanidi — Upatikanaji wa programu ya kompyuta na PrivateVoice
  • Mipangilio > Sauti — Sanidi chaguo za sauti kwa usanidi wako

This guide is maintained by the Caiioo team using Slate, our built-in editor.