Photos et voix

Certaines personnes envoient surtout des photos, d'autres parlent surtout en messages vocaux. iRoof.top conserve les deux habitudes.

Les comprendre

Dans la médiathèque, Décrire avec l'IA décrit les stickers, GIF et photos et transcrit les messages vocaux avec le modèle média, qui doit accepter les images et l'audio. Réglez-le dans les Paramètres ou avec OPENAI_MEDIA_MODEL, par exemple google/gemini-3.5-flash-lite sur OpenRouter. Les descriptions ne sont produites que lorsque vous appuyez sur le bouton, et avec un modèle local et le mode hors ligne, les photos ne quittent jamais votre ordinateur.

<message vocal 0:05 : « ce qui a été dit »>

Quand un type domine, le profil de style le dit, par ex. « parle surtout par messages vocaux (10 sur 10) ».

Grandes médiathèques

Un long chat peut contenir des dizaines de milliers de stickers, GIF et photos. La médiathèque vous aide à dépenser les jetons du modèle là où ils comptent :

Contrôle	Ce qu'il fait
Onglets de type	Tous, Manquants, Décrits, Stickers, GIF, Photos, Vidéos, Voix, avec le nombre
Tri	les plus utilisés (par défaut), les moins utilisés, utilisés récemment, premiers utilisés
Nombre d'utilisations	masque les éléments utilisés moins de 2, 3, 5, 10 ou 25 fois
Recherche	dans les descriptions et les identifiants

Décrire N avec l'IA décrit exactement ce qui est affiché et pas encore décrit, de haut en bas dans l'ordre choisi, quatre à la fois. Chaque description est enregistrée dès son arrivée. La ligne de progression indique combien sont faits, les échecs, le débit et le temps restant. Le même bouton devient Arrêter : vous pouvez arrêter à tout moment, et le prochain lancement reprend avec le reste. Un bon départ pour un gros chat : Les plus utilisés d'abord et Utilisés 3 fois ou plus.

Vos messages vocaux

Avec le champ de saisie vide, le bouton d'envoi devient un microphone, comme dans Telegram. L'enregistrement est converti en WAV dans le navigateur, envoyé et transcrit. Les visiteurs des liens de partage peuvent aussi enregistrer.

INFO

Les navigateurs n'autorisent l'enregistrement que sur https:// ou localhost.

Les photos et la voix du personnage

Connectez un serveur MCP qui génère des images et un qui parle :

{
  "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"}}
}

Le personnage reçoit alors deux actions de plus :

Action	Ce qu'elle fait
send_voice {text}	appelle l'outil vocal (WAV, réessayé en mp3) et envoie un message vocal
send_photo {prompt, caption?}	appelle l'outil d'images et envoie une photo

• Avec un outil vocal connecté, les messages vocaux transcrits du personnage sont rejoués sous forme de send_voice, pour que le modèle voie l'habitude sous la forme qu'il peut continuer.
• Voix dans Détails du chat (par exemple Puck) donne au personnage sa propre voix.
• Toute autre image ou audio renvoyé par un outil MCP devient un média du chat gen_… (vérifié par contenu, jusqu'à 25 Mo, supprimé avec le chat).

Coûts

Chaque photo ou message vocal est un appel payant supplémentaire : environ 0,01 $ par image avec meta/muse-image, et quelques secondes de synthèse vocale.