Une voix construite pour la façon dont nous parlons.

Non. Il n’existe pas de démonstration publique, il n’existe pas d’API publique, il n’existe pas d’intégration téléphonique, il n’existe pas de duplex natif et le clonage vocal n’est pas dans le produit. Les cinq sont indiqués comme absents dans notre propre feuille de route. Si vous avez besoin d’un agent vocal qui fonctionne maintenant, la réponse est Kallina, pas Grai ; si vous avez besoin d’un fichier audio, c’est Voice Studio.

En reconnaissance en roumain, 26,31 % de taux d’erreur sur les mots avec la fenêtre par défaut de 1120 ms, avec un intervalle de confiance de 95 % entre 24,07 et 28,60 ; en russe, 9,30 %. Protocole : 200 énoncés par langue issus de FLEURS, graine 20260831, décodage en flux. À quel point c’est bon : ce n’est pas bon. Notre propre conclusion, écrite dans le tableau de comparaison, est qu’en précision en roumain nous perdons face aux systèmes commerciaux, avec un facteur de cinq à neuf. Le roumain est presque trois fois plus difficile à reconnaître que le russe avec la même configuration, ce qui est précisément le problème que nous étudions.

Dans la décomposition mesurée, le modèle de langage prend 2180 ms du trajet, la reconnaissance 92 ms et la synthèse 305 ms. La reconnaissance est pratiquement gratuite ; la synthèse presque autant. Qui veut une conversation vocale plus rapide doit s’attaquer au modèle de langage — par un modèle plus petit, par le streaming de la réponse ou par le raccourcissement des réponses. Ici, nous devons aussi être honnêtes avec nous-mêmes : les chiffres de segment publiés sur le site ne s’additionnent pas au total publié sur le même écran, et l’écart est d’environ une demi-seconde. La décomposition est celle en laquelle nous avons confiance ; le total agrégé doit être recalculé avant d’être cité.

Parce qu’en cascade, vous pouvez changer chaque composant séparément et vous pouvez garder la reconnaissance et la synthèse en local, sur le processeur, sans GPU. Le prix, c’est la latence d’enchaînement et le fait que le modèle de langage, qui constitue la plus grande partie du retard, se trouve en dehors de la machine. Le duplex natif est une direction, pas quelque chose que nous avons — il est sur la liste des « n’existe pas encore ».

La feuille de route propose trois entraînements à moins de 1.200 dollars au total : reconnaissance pour le roumain sur VoxPopuli CC0, 89 heures, environ 50 heures de H100, autour de 500 dollars ; un détecteur de fin de tour pour le roumain, environ 2.000 exemples propres, moins de 100 dollars ; une voix propre, 500-800 dollars. Le troisième n’est pas bloqué par l’argent, mais par les données — et par le fait que le modèle de synthèse sur lequel nous nous appuyions a été archivé par ses auteurs. Le chiffre cible pour le premier entraînement, autour de 21 %, est une extrapolation des améliorations obtenues sur le grec et le bulgare, pas une mesure.

La méthode étudiée est une optimisation inverse sur des poids gelés, pas un clonage en quelques secondes : 6-30 minutes de matériau par voix, environ 3.000 pas d’optimisation, 2,6 GB de mémoire de pointe, l’artéfact livré étant de l’ordre du kilooctet. Mais ce n’est pas dans le produit, et il est important de dire pourquoi ce n’est pas seulement une question technique : en République de Moldova, la voix est une donnée biométrique depuis le 23 août 2026. Sans consentement explicite et cession, la question n’est pas de savoir si c’est possible, mais qu’il ne faut pas le faire.

Parce que sinon il n’aurait aucun sens de les publier du tout. Un tableau dans lequel vous arrivez toujours premier est un tableau de marketing. Le nôtre marque les lignes des tiers comme déclarées et seulement les nôtres comme mesurées, et la conclusion écrite dessous dit que nous perdons. Il faut toutefois dire clairement aussi ce qu’aucun externe ne peut faire : le code qui a produit ces mesures n’est pas public et n’accompagne pas le site, donc les chiffres ne peuvent pas être reproduits par un tiers aujourd’hui. Traitez-les comme des mesures internes, et non comme des résultats vérifiés indépendamment.