Voce italiana sovrana: STT e TTS sono live
Speech-to-Text con Whisper large-v3 e Text-to-Speech con sei voci IT/EN/DE/FR sono in produzione su hardware svizzero. OpenAI-compatibile, drop-in. Latency sotto un secondo, dati audio mai fuori dalla CH.
Da oggi siati.ai parla e ascolta in italiano. Speech-to-Text e Text-to-Speech sono live in produzione, sullo stesso hardware svizzero che già serve i modelli LLM. Niente cloud terzi: file audio e trascrizioni non lasciano la nostra infrastruttura.
Cosa è disponibile
- Speech-to-Text con Whisper large-v3 di OpenAI, self-hosted su GPU L40S. Riconoscimento eccellente per italiano (anche dialetti del nord), inglese, tedesco, francese — più altre 90+ lingue auto-detect.
- Text-to-Speech con sei voci pronte: Paola e Riccardo in italiano, Amy e Ryan in inglese, Thorsten in tedesco, Siwis in francese. Latency sotto un secondo per frase.
- Due modelli STT selezionabili:
whisper-1(turbo, ~13× tempo reale, default) ewhisper-1-hd(large-v3 puro, per audio rumoroso o accenti pesanti).
OpenAI-compatibile, drop-in
Gli endpoint seguono lo stesso schema OpenAI di /v1/audio/transcriptions e /v1/audio/speech. Il client OpenAI ufficiale funziona out-of-the-box cambiando solo base_url e API key:
from openai import OpenAI
client = OpenAI(base_url="https://api.siati.ai/v1", api_key="sk-siati-...")
# Trascrivi un voice message
with open("nota.m4a", "rb") as f:
r = client.audio.transcriptions.create(model="whisper-1", file=f, language="it")
print(r.text)
# Sintetizza una risposta
audio = client.audio.speech.create(model="tts-1", voice="paola", input="Ciao!")
audio.stream_to_file("out.wav")
Performance reali Misurate ieri in produzione, audio italiano di 5 secondi:
- TTS Paola → WAV 22 kHz mono: 745 ms
- STT Whisper turbo → trascrizione: 402 ms
- Roundtrip TTS → STT con trascrizione identica al testo originale: ~1.1 secondi totali
Pricing
- STT: 0.006 CHF / minuto di audio (allineato a OpenAI, ma con dati che restano in CH)
- TTS: 5 CHF / 1M caratteri — praticamente gratis per uso normale
Dove integrarlo
- API developer su
api.siati.ai/v1/audio/*con la stessa chiavesk-siati-…che usate già per chat completions - API mobile su
my.siati.ai/api/v1/audio/*per app iOS/Android (JWT, multipart)
Documentazione completa con esempi Python, Node, Swift iOS e cURL: wiki.siati.ai/api/audio.
Use case tipici
- Voice mode chat (utente parla → AI risponde a voce): ora possibile end-to-end senza uscire dal nostro stack
- Trascrizione meeting, voice memo, note vocali su mobile
- IVR, e-learning, accessibility, dictation
- Conformità nLPD/CH-DSG per medical, legale, PA — i dati audio non viaggiano fuori dalla Svizzera
Roadmap
- XTTS-v2 per voice cloning del brand (la tua voce, il tuo logo audio)
- Streaming STT via WebSocket per dictation realtime
- Speaker diarization per trascrizione meeting multi-speaker
- Voci romance quando Piper le rilascia ufficialmente
Feedback o quote enterprise: info@siati.ai.