Des tokens partiels pendant que la phrase est encore prononcée.
Tapra-Voice-Realtime est le jumeau streaming de Tapra-Voice : même gestion de l’alternance de langues, autre mode de livraison. Le navigateur ou votre serveur ouvre une socket, envoie des trames PCM 16 kHz et reçoit des événements partiels à mesure que les mots sont reconnus, puis une transcription finale avec le coût exact quand vous arrêtez.
WSS /v1/realtime/stream
tapra-voice-v1-realtimeLe client envoie
open → 100 ms PCM frames → {"type":"stop"}
Événements du serveur
ready 0.01 s → first partial 1.97 s → utterance 23.64 s → final 28.06 s (reason: client_stop)
Sortie réelle
Sorties réelles
Chaque sortie de cette page provient de tapra-voice-v1-realtime le 8 octobre 2026 et est affichée sans retouche, erreurs comprises. Chaque réponse réelle indique aussi son coût exact dans x-tapra-cost-tnd.
La note vocale multilingue de 26 secondes, diffusée en temps réel en trames PCM de 100 ms. Chaque partiel ci-dessous est l’événement envoyé par le serveur, au moment où il l’a envoyé.
Le client envoie · pcm_s16le 16 kHz
Partiels du serveur
نخمم نعمل une combinaison ما بين les deux modèles tomes canagent اللي هو capable يجاوب عل les clients كيما مثلا في الكنفيرما متاع les ordres والا تعمل marketing لهنا le modèle لازمو يكون قادر يعمل switch between languages ويجاوب زادا بنفس ال façon
Flux brut. Il entend mal le même nom de produit que le modèle fichiers (« tomes canagent »), mais écrit correctement façon, là où la transcription fichier se trompait.
Ce qu’il fait
Les sessions en direct masquent le silence avant le décodeur et émettent un événement utterance après environ 800 ms de pause. Environ 10 secondes de silence continu arrêtent la session, pour qu’un micro oublié ne bloque pas une place. Passez idle_stop=0 pour continuer d’écouter.
L’inférence tourne sur des instances CPU standard. La première trame est servie tout de suite : pas de temps de chauffe, pas de capacité louée au repos.
Les clients navigateur passent les sous-protocoles WebSocket tapra-realtime et tapra-auth.<API_KEY>. Les clients serveur utilisent Authorization: Bearer pendant l’upgrade. Une clé n’a jamais sa place dans une URL.
Un événement ready ouvre la session, les partiels arrivent, {"type":"stop"} la ferme avec la transcription finale et le coût, et un ping toutes les 15 secondes garde la connexion quand vous n’envoyez pas d’audio. Dix secondes de silence ferment aussi la session, sauf avec idle_stop=0.
Intégrer
const socket = new WebSocket(
'wss://api.tapra.tn/v1/realtime/stream?language=ar-AR',
['tapra-realtime', 'tapra-auth.' + apiKey]
);
socket.onmessage = (event) => {
const message = JSON.parse(event.data);
if (message.type === 'partial') render(message.text);
if (message.type === 'utterance') lockTurn(message.turn_text);
if (message.type === 'final') console.log(message.text, message.usage);
};
// Push mono 16-bit PCM frames, then close the session cleanly.
socket.onopen = () => recorder.onFrame((frame) => socket.send(frame));
stopButton.onclick = () => socket.send(JSON.stringify({ type: 'stop' }));Comparaison
Comparé aux API temps réel hébergées sur GPU et aux moteurs vocaux des navigateurs.
| Capacité | Tapra-Voice-Realtime | Alternative générique |
|---|---|---|
| Temps de décodage d’un partiel | Médiane 4 ms, p95 119 ms sur 196 partiels (session enregistrée) | Courbe de chauffe GPU ; les sessions à froid bloquent plusieurs secondes |
| Coût au repos | Zéro — seul l’audio diffusé est facturé | Capacité GPU réservée facturée même en silence |
| Alternance en plein flux | Darija, français et anglais sur une seule socket | Une seule langue par session |
| Authentification navigateur | Sous-protocoles WebSocket, clé jamais dans l’URL | Jetons en query string qui finissent dans les logs et les referrers |
| Cohérence avec le mode fichiers | Même famille que tapra-voice-v1, même style de transcription | Un modèle streaming séparé, avec d’autres conventions |
| Coût | 0.300 TND / min (≈ $0.100), mesuré par session | Planchers à la minute et minimums de concurrence |
Tarifs
Vous payez exactement ce que vous envoyez. Le même solde prépayé couvre les cinq modèles Tapra, facturés en USD ou en TND.
Tarif de référence
0.300 TND / min
Une seule WebSocket qui révise la transcription pendant que vous parlez, puis fige chaque tour après une pause. Aucune infrastructure inactive à payer.
Questions
Envoyez les sous-protocoles tapra-realtime et tapra-auth.<API_KEY> à l’ouverture de la socket. Ne mettez jamais une clé dans la query string : elle finirait dans les logs serveur et les en-têtes referrer.
Des trames PCM mono binaires en pcm_s16le à 16 kHz. C’est ce que produit déjà la capture micro de Tapra, donc pas d’étape de rééchantillonnage.
Envoyez {"type":"ping"} toutes les 15 secondes si vous n’envoyez pas d’audio. Après une pause d’environ 800 ms, le serveur émet utterance et continue d’écouter. Environ 10 secondes de silence arrêtent la session (final avec la raison idle_stop) pour libérer la place. Passez idle_stop=0 pour désactiver ce comportement. Quand vous avez fini, envoyez {"type":"stop"} pour la transcription finale et le coût.
Le reste de la famille
Tapra-Voice
La parole tunisienne transcrite, avec l’alternance de langues intacte.
Découvrir02 · ConvertisseurTapra-Script
Arabizi ⇄ écriture arabe, sans manger vos chiffres.
Découvrir03 · TraductionTapra-Translate
Du derja en entrée, le vrai sens en sortie — dans les deux sens.
Découvrir04 · SynthèseTapra-Speak
Une voix tunisienne qui sonne comme si elle avait grandi ici.
DécouvrirMettez Tapra-Voice-Realtime face à une vraie charge.
2 TND de solde de bienvenue, sans carte bancaire, playground et clés API inclus.