Bỏ qua đến nội dung chính

MớiVoice agent realtime: gửi văn bản qua WebSocket, nhận audio theo từng câu.Xem hướng dẫn

Sota Voice

Giọng nói AI tiếng Việt cho sản phẩm của bạn

Chuyển văn bản thành giọng đọc tự nhiên qua API tương thích OpenAI. Stream realtime cho voice agent, tạo audio dài bất đồng bộ, nhân bản giọng từ một đoạn mẫu ngắn.

Tặng 10.000 ký tự khi đăng ký, không cần thẻ.

Minh hoạ phố Hà Nội: một ông cụ ở quán cà phê, cô gái đi xe máy, học sinh đọc sách và anh giao hàng, cùng nghe giọng đọc qua điện thoại và tai nghe.

Dùng thử ngay trên trình duyệt

108/300

Hoàn tất xác minh để tạo giọng nói.

3 lượt mỗi ngày, tối đa 300 ký tự mỗi lượt.

Giọng phổ biến

Mọi thứ để đưa giọng nói vào sản phẩm

Một API cho audio ngắn, audio dài và hội thoại realtime.

Thư viện giọng

12 giọng có sẵn với nhiều sắc thái khác nhau. Nghe thử trước khi chọn.

Nghe các giọng
Minh hoạ nhiều nhân vật đang nói: bà cụ kể chuyện, phát thanh viên, cô gái đeo tai nghe, nữ doanh nhân, cậu bé và chàng trai đọc sách.

Nhân bản giọng

Tạo giọng riêng từ một đoạn mẫu tối đa 30 giây, có bước xác nhận quyền sử dụng.

Voice agent realtime

Gửi văn bản ngay khi LLM sinh ra, nhận audio theo từng câu qua WebSocket.

Dùng SDK OpenAI bạn đã quen

Đổi base_url và tên giọng, phần còn lại giữ nguyên.

import osfrom openai import OpenAIclient = OpenAI(    base_url="http://api-sota-voice-172-16-198-43.sslip.io/v1",    api_key=os.environ["SOTA_API_KEY"],)with client.audio.speech.with_streaming_response.create(    model="sota-voice-v1",    voice="zh_1",    input="Xin chào! Đơn hàng của bạn đang được giao.",) as response:    response.stream_to_file("xin-chao.mp3")

Giọng nói cho AI agent

Voice agent cần trả lời ngay khi model vừa nghĩ ra câu đầu tiên. Sota Voice nhận văn bản theo luồng và phát audio theo từng câu, nên người nghe không phải chờ cả đoạn.

WebSocket hai chiều
Gửi văn bản bất cứ lúc nào trong phiên, nhận audio dạng nhị phân ngay trên cùng kết nối.
Phản hồi gần như tức thì
Trong thử nghiệm nội bộ, âm thanh đầu tiên đến sau khoảng 0,1 giây (trung vị, stream qua HTTP trong mạng LAN). Thời gian thực tế phụ thuộc mạng và độ dài câu.
Chỉ trả cho ký tự đã gửi
Mỗi đoạn văn bản trừ đúng số ký tự của nó. Phiên tự đóng sau 5 phút không có văn bản mới.
Đọc tài liệu realtime
Minh hoạ một người phụ nữ ngồi sofa gọi điện hỏi về đơn hàng, giọng trả lời truyền về thành từng đoạn sóng âm từ trợ lý giọng nói.
Ví dụ trao đổi trong một phiên WebSocket
  1. gửi{"type":"session.config","session":{"voice":"zh_1"}}
  2. nhận{"type":"session.configured", …}
  3. gửi{"type":"input.text","text":"Dạ, đơn hàng của anh đã được xác nhận."}
  4. nhậnaudio nhị phân, câu 1
  5. gửi{"type":"input.text","text":"Shipper sẽ giao trong chiều nay ạ."}
  6. gửi{"type":"input.done"}
  7. nhậnaudio nhị phân, câu 2

Trả trước theo ký tự, dùng đến khi hết

Nạp gói credit khi cần, không thuê bao hằng tháng. Credit tính bằng ký tự và không hết hạn.

Thanh toán bằng chuyển khoản VietQR qua SePay. Credit được cộng tự động khi giao dịch khớp.

Xem bảng giá chi tiết

Cho sản phẩm của bạn một giọng nói tiếng Việt

Đăng ký trong một phút và nhận 10.000 ký tự để thử API.

Minh hoạ phố cổ Hà Nội và cầu Long Biên lúc bình minh, sóng âm bay lên từ những ô cửa sổ và sân thượng.