Saj Sense 的语音能力
不离开设备的语音 AI。
转录、语音合成、唤醒词等。从唤醒词检测到语音合成，每个引擎都在设备上运行，完全无需云端。阿拉伯语、印地语和乌尔都语与英语一同作为基础语言内置。
由 SGH WLL 使用 Rust 构建，通过了数百项测试，并拥有已申请的专利组合。
每种语言一个唤醒词。选择一个，沿着它的线索穿过管道。
saj-wake推理时间低于 1 毫秒，模型小于 1 MB以英语运行saj-detect以英语运行saj-listen以英语运行saj-intent以英语运行saj-speak-tts以英语运行一条线索穿过每个以该语言运行的阶段的针眼，并从其余阶段下方经过。
尊重您的用户的语音 AI。
从第一个词就保护隐私
您的语音不会离开您的设备。没有云处理，没有数据保留，也没有遥测。GDPR、HIPAA 和 NESA 合规性直接来自架构本身。
从基础开始支持阿拉伯语
阿拉伯语、印地语和乌尔都语与英语一同作为基础语言内置。它们都不是后来作为翻译层添加的。
全平台
iOS、Android、Linux、Windows、macOS、Raspberry Pi、WASM 和 MCU。Rust 核心搭配原生绑定，让您能够部署到手机、音箱、嵌入式设备和浏览器。
每个引擎都在设备上运行。
没有云端往返，因此您交付的语音功能可以离线运行，处处可用。每个引擎都是独立的 Rust crate，它们共同承载 70 多个训练模型。
聆听
saj-wake基于轻量级神经架构的自定义关键词检测，模型小于 1 MB。
saj-detect亚毫秒级延迟的神经语音活动检测。
saj-listen实时转录。
saj-scribe采用分离编码器和解码器的文件转录。
saj-intent直接提取意图，将语音命令转化为操作，跳过文本。
语音合成
saj-speak-tts在设备上进行自然语音合成。
saj-clone从样本中克隆声音，在设备上完成。
说话者识别
saj-voice用于验证和识别的说话人嵌入。
saj-who实时说话人分割，告诉您谁在何时说话。
saj-clean轻量级神经噪声消除。
连接
saj-pipeline一条语音交互，在一行代码中运行唤醒词、语音活动、语音转文字、意图和文字转语音。
saj-codec神经语音编解码器，质量配置从 1.2 到 6.0 kbps，在 CPU 上实时运行。
saj-sense统一令牌流，支持按模态加密。
saj-link端到端加密消息，带密封发件人。
saj-serverREST 和 WebSocket，提供与 OpenAI 和 Deepgram 兼容的 API。多租户，运行在 Docker 中。
基础中的阿拉伯语，逐一方言支持。
超过 4.2 亿人讲阿拉伯语，10.9 亿人讲阿拉伯语、印地语或乌尔都语。
| 方言 | 覆盖 | 状态 |
|---|---|---|
| الفصحى现代标准阿拉伯语 | 唤醒词、STT、TTS 和意图。420M+ 使用者的正式语体。 | 已支持 |
| الخليجي海湾方言 | 唤醒词、STT 和 TTS。针对阿联酋、沙特、巴林、科威特、卡塔尔和阿曼调校。 | 已支持 |
| المصري埃及方言 | 1 亿以上使用者，全球最广为理解的阿拉伯语方言。 | 计划中 |
| الشامي黎凡特方言 | 叙利亚、黎巴嫩、约旦和巴勒斯坦，有 3000 万以上使用者。 | 计划中 |
可用的阿拉伯语唤醒词
- يا ساجYa Saj
- يا بيلاYa Bella
- اوكي ساجOk Saj
- 自定义
为何选择设备端？
云端语音 API 按分钟收费、泄露数据并增加延迟。在设备上运行可解决这三个问题。
完全隐私
零音频数据离开设备。没有云处理，也没有数据保留。
亚毫秒级唤醒词
唤醒词推理低于一毫秒，而云端往返需要 200 到 500 毫秒，因此语音交互实时进行，无需等待网络。
无按分钟收费
没有音频小时计费。您的模型在您的硬件上运行。
如何获取 Saj Speak。
Saj Link 是您每天使用的应用程序。Saj Speak、Saj See 和 Saj Codec 是内部能力模块，通过 Saj Sense Business+、托管的开发者 API 以及 OEM 或嵌入式合作方式呈现。它们从不作为独立品牌出售。
Saj Speak
Saj Sense Business+
Saj Speak 出现在 Saj Sense Business+ 层级中。
托管开发者 API
Saj Speak 也可通过托管的开发者 API 使用。
OEM / 嵌入式
通过 OEM 或嵌入式合作，将 Saj Speak 集成到您自己的设备或产品中。
基于 Saj Speak 构建
获取 Saj Link。
内置 Bella AI 的加密团队通信。后量子协议已构建并正在推出。现已支持 macOS 和网页版。
TestFlight 上的 iOSAndroid 和 Windows 即将推出。
- 端到端加密
- 密封发件人，以及针对消息和共享媒体的端到端加密。通话音频通过中继传输，目前尚未端到端加密。
- 语音智能
- 设备端的转录、翻译和搜索，能够理解方言。
- 阿拉伯语优先设计
- 原生从右到左布局、方言意识，以及以富媒体卡片呈现的语音消息。