Pour enseigner, apprendre ou tout ce que vous pouvez imaginer.
Dans n'importe quelle langue — ou plusieurs.
Sous le capot
Chaque mot prononcé passe par sept étapes avant qu'une image ne soit rendue. La latence totale aller-retour est inférieure à 1 seconde.
Entrée micro
mobile / web
Silero VAD
end-of-speech
Whisper STT
transcription
GPT-4o-mini
response
LoqalKit TTS
synthesis
Voqal GPU
lipsync render
Flux LiveKit
Sortie WebRTC
~840ms
latence totale aller-retour
1.32s
budget en temps réel par segment
5,5× de marge à pleine charge
Mic → VAD → Whisper → GPT-4o-mini → TTS → Voqal GPU → LiveKit
Capacités
Voqal-1.3B traite des blocs de 33 trames en environ 170 ms. Chaque bloc d'inférence fonctionne dans une file d'attente FIFO sérialisée partagée entre les sessions, sans surcharge GPU par session.
L'arabe et l'hébreu sont pris en charge en tant que citoyens de première classe avec une mise en forme de texte de droite à gauche. LoqalKit TTS gère le rendu phonétique de manière native, sans astuces de translittération.
LoqalKit TTS convertit la sortie LLM en PCM 16 kHz avant qu'elle n'atteigne Voqal, gardant la chaîne vocale modulaire. Changez de fournisseurs TTS sans toucher à l'étape de rendu.
Le trajet aller-retour de bout en bout du discours de l'utilisateur au cadre vidéo rendu est d'environ 840 ms. Le budget de trame en temps réel de 1,32 s offre une marge de 5,5x, suffisamment pour les variations du réseau.
Chaque session fonctionne en isolation complète. Lorsqu'elle se termine, toutes les ressources sont entièrement récupérées sans fuite d'état entre les utilisateurs et sans accumulation de mémoire au fil du temps.
Voqal publie directement la vidéo et l'audio rendus dans une salle LiveKit. Il s'intègre à toute infrastructure WebRTC et ne nécessite aucun outil supplémentaire au-delà d'un jeton de session.
Comparaison
Côte à côte avec les principales plateformes d'avatars cloud.
| Fonctionnalité | Voqal par Loqal | Tavus | Simli | HeyGen |
|---|---|---|---|---|
| FPS de sortie | 25fps | ~24fps | 25fps | ~25fps |
| Latence de réponse | <1s | 2–5s | ~1–2s | 3–8s |
| Support des langues RTL | ✓ | ✗ | ✗ | partial |
| Sessions simultanées | 7×/worker | cloud managed | cloud managed | cloud managed |
| Modèle de tarification | usage-based | per minute | per minute | per minute |
| Taille du modèle | 1.3B | proprietary | proprietary | proprietary |
Les chiffres de latence et de FPS sont approximatifs et proviennent de la documentation publique et des benchmarks communautaires (2024–2025).
Cas d'utilisation
Apprentissage des langues
Voqal alimente des sessions de conversation parlée où les apprenants pratiquent avec un avatar IA qui écoute, réfléchit et répond dans leur langue cible, avec une synchronisation labiale naturelle.
Formation et développement en entreprise
Générez du contenu de formation dirigé par un présentateur dans l'une des 150+ langues sans refaire de tournage. Voqal rend des vidéos d'avatar réalistes à partir de texte en quelques secondes. Localisez une fois, déployez partout.
Diffusion en direct et événements
Lancez un présentateur IA en direct unique qui parle à différents segments d'audience dans leur langue maternelle simultanément. La sortie WebRTC de Voqal s'intègre à toute configuration de streaming.
FAQ
Commencer
Voqal fonctionne sur l'infrastructure Loqal. Intégrez-le à toute configuration WebRTC ou LiveKit et vos utilisateurs parleront à un avatar en direct en quelques minutes.
