iRoof.top

الصور والصوت ​

يرسل بعض الناس الصور أساسًا، ويتحدث آخرون بالرسائل الصوتية أساسًا. يحافظ iRoof.top على العادتين معًا.

فهمها ​

في مكتبة الوسائط، يصف الوصف بالذكاء الاصطناعي الملصقات وGIF والصور، ويفرّغ الرسائل الصوتية إلى نص باستخدام نموذج الوسائط، الذي يجب أن يقبل الصور والصوت. اضبطه في الإعدادات أو عبر OPENAI_MEDIA_MODEL، مثلًا google/gemini-3.5-flash-lite على OpenRouter. لا تُنشأ الأوصاف إلا عندما تضغط الزر، ومع نموذج محلي والوضع دون اتصال لا تغادر الصور جهاز الكمبيوتر الخاص بك أبدًا.

text
<رسالة صوتية 0:05: «ما قيل»>

عندما يغلب نوع واحد، يذكر ملف الأسلوب ذلك، مثل "يتحدث أساسًا بالرسائل الصوتية (10 من 10)".

المكتبات الكبيرة ​

قد تحتوي المحادثة الطويلة على عشرات الآلاف من الملصقات وGIF والصور. تساعدك مكتبة الوسائط على إنفاق رموز النموذج حيث تهم أكثر:

عنصر التحكمما الذي يفعله
تبويبات الأنواعالكل، والناقص، والموصوف، والملصقات، وGIF، والصور، والفيديو، والصوت، مع الأعداد
الترتيبالأكثر استخدامًا (الافتراضي)، والأقل استخدامًا، والمستخدم مؤخرًا، والمستخدم أولًا
عدد مرات الاستخداميُخفي العناصر المستخدمة أقل من 2 أو 3 أو 5 أو 10 أو 25 مرة
البحثفي الأوصاف والمعرّفات

يصف وصف N بالذكاء الاصطناعي بالضبط ما هو معروض ولم يُوصف بعد، من الأعلى إلى الأسفل بالترتيب المختار، أربعة في كل مرة. يُحفظ كل وصف فور وصوله. يُظهر سطر التقدم كم عنصرًا اكتمل، والأخطاء، والسرعة، والوقت المتبقي. يتحول الزر نفسه إلى Stop: يمكنك الإيقاف في أي وقت، وتتابع التشغيلة التالية بالباقي. بداية جيدة لمحادثة كبيرة: الأكثر استخدامًا أولًا ومستخدم 3 مرات أو أكثر.

رسائلك الصوتية ​

عندما يكون حقل الكتابة فارغًا يصبح زر الإرسال ميكروفونًا، كما في Telegram. يُحوَّل التسجيل إلى WAV في المتصفح، ويُرفع، ويُفرَّغ إلى نص. يستطيع زوار روابط المشاركة التسجيل أيضًا.

INFO

لا تسمح المتصفحات بالتسجيل إلا على https:// أو localhost.

صور الشخصية وصوتها ​

وصّل خادم MCP يولّد الصور، وآخر يتحدث:

json
{
  "img": {"command": "npx", "args": ["-y", "@dtst/img"],
          "env": {"OPENAI_BASE_URL": "https://openrouter.ai/api/v1", "OPENAI_API_KEY": "${OPENAI_API_KEY}", "OPENAI_MODEL": "meta/muse-image"}},
  "tts": {"command": "npx", "args": ["-y", "@dtst/tts"],
          "env": {"OPENAI_BASE_URL": "https://openrouter.ai/api/v1", "OPENAI_API_KEY": "${OPENAI_API_KEY}",
                  "OPENAI_MODEL": "google/gemini-3.8-flash-lite-tts", "OPENAI_VOICE": "Laomedeia"}}
}

عندئذ تكتسب الشخصية إجراءين إضافيين:

الإجراءما الذي يفعله
send_voice {text}يستدعي أداة الكلام (WAV، وتُعاد المحاولة بصيغة mp3 عند الفشل) ويرسل رسالة صوتية
send_photo {prompt, caption?}يستدعي أداة الصور ويرسل صورة
  • عند توصيل أداة كلام، تُعاد الرسائل الصوتية المُفرَّغة للشخصية نفسها كـsend_voice، ليرى النموذج العادة بالشكل الذي يستطيع متابعته.
  • الصوت في تفاصيل المحادثة (مثل Puck) يمنح الشخصية صوتها الخاص.
  • أي صورة أو صوت آخر تعيده أداة MCP يصبح وسائط المحادثة gen_… (يُفحص حسب المحتوى، حتى 25 MB، ويُحذف مع المحادثة).

التكاليف

كل صورة أو رسالة صوتية استدعاء مدفوع إضافي: نحو 0.01 دولار للصورة مع meta/muse-image، وبضع ثوانٍ من TTS.

منشور بموجب ترخيص MIT.

صُنع ليبقيك قريباً من الأشخاص البعيدين.