Mode vocal

Le Mode vocal transforme le composer en microphone. Tu parles, Tale transcrit, l'agent répond en texte, et la réponse est lue à voix haute en retour. Toute la boucle se fait sans les mains — utile quand tu marches, tu conduis (légalement), tu cuisines, ou tu en as simplement marre de taper.

Le chemin vocal du composer traverse deux fournisseurs de modèles (reconnaissance vocale, puis synthèse) et un ou deux appels d'agent entre les deux. Savoir quel fournisseur tient quel morceau de l'audio est la différence entre « c'est pratique » et « c'est imprudent » pour les données de ton organisation.

Comment le mode vocal s'exécute

Tape l'icône microphone sur le composer et l'enregistrement démarre ; tape à nouveau pour arrêter. Tale téléverse le clip audio, le modèle de reconnaissance vocale le transcrit, et la transcription devient le message suivant dans le chat — exactement comme si tu l'avais tapé. L'agent répond en texte ; une fois la réponse complète, Tale la route vers un modèle de synthèse et joue l'audio en retour. Pendant que la réponse arrive en streaming, Stopped met fin à la lecture plus tôt ; Play voice output rejoue la dernière réponse.

Passations STT et TTS

Deux choix de modèles comptent, et ils se configurent séparément du modèle de chat. La reconnaissance vocale tourne une fois par message parlé — l'audio est téléversé, transcrit, et la transcription est ce que l'agent voit. La synthèse tourne une fois par réponse — Tale découpe la réponse en segments de sortie vocale et streame l'audio en retour. L'agent lui-même est inchangé ; le mode vocal est une enveloppe autour du même composer.

Choisir la voix

Chaque agent peut épingler une voix préférée dans ses réglages ; sans choix par agent, le mode vocal utilise la voix par défaut de l'organisation. Les voix sont liées à des fournisseurs TTS spécifiques — changer le fournisseur change les voix disponibles. Si un chat utilise un agent dont le fournisseur de voix n'est plus configuré, Tale retombe sur la voix par défaut de l'organisation plutôt que d'échouer la réponse.

La frontière de confidentialité

Le clip audio que tu enregistres quitte ton appareil. Il est téléversé dans le stockage de Tale, envoyé au fournisseur de reconnaissance vocale que tu as configuré, et la transcription est conservée dans l'historique du chat à côté des messages tapés. L'audio lui-même est conservé selon la politique de rétention de l'organisation. Les réponses partent vers le fournisseur de synthèse en texte brut ; la réponse audio est streamée vers ton appareil et n'est pas stockée sur disque par défaut. Les organisations avec des règles strictes de sortie de région devraient choisir des fournisseurs STT et TTS dans la même région que le reste de la pile — voir Résidence des données.

Quand la voix bat le texte

La voix est plus rapide que le clavier pour des questions courtes et conversationnelles, et nettement plus lente que le clavier pour du code, des listes, ou tout ce que tu copierais. Les réponses vocales plafonnent à une limite de chunks — les réponses longues s'arrêtent en cours de lecture et affichent un avis. Va vers la voix quand la réponse sera entendue une fois puis oubliée ; va vers le texte quand la réponse doit être parcourue ou sauvegardée.

Quand y recourir

Où ça s'inscrit

Le mode vocal est l'une des trois « formes d'entrée » sur le même composer : texte (le défaut), pièces jointes, et voix. L'histoire de la confidentialité compte le plus ici parce que deux fournisseurs supplémentaires touchent les données, donc la page à lire ensuite est Résidence des données sur Cloud ou Configuration → providers sur auto-hébergé, selon l'édition que tu fais tourner.