Foto dan suara

Sebagian orang terutama mengirim foto, yang lain terutama berbicara lewat pesan suara. iRoof.top menjaga kedua kebiasaan itu.

Memahaminya

Di pustaka media, Deskripsikan dengan AI mendeskripsikan stiker, GIF, dan foto serta mentranskripsikan pesan suara dengan model media, yang harus menerima gambar dan audio. Atur di Pengaturan atau dengan OPENAI_MEDIA_MODEL, misalnya google/gemini-3.5-flash-lite di OpenRouter. Deskripsi hanya dibuat saat Anda menekan tombol, dan dengan model lokal serta Mode offline foto tidak pernah meninggalkan komputer Anda.

<pesan suara 0:05: «apa yang dikatakan»>

Saat satu jenis mendominasi, profil gaya mengatakannya, misalnya "terutama berbicara lewat pesan suara (10 dari 10)".

Pustaka besar

Chat yang panjang dapat berisi puluhan ribu stiker, GIF, dan foto. Pustaka media membantu Anda membelanjakan token model di tempat yang paling penting:

Kontrol	Fungsinya
Tab jenis	Semua, Belum ada, Sudah dideskripsikan, Stiker, GIF, Foto, Video, Suara, dengan jumlah
Urutan	paling sering dipakai (bawaan), paling jarang, baru dipakai, pertama kali dipakai
Jumlah pemakaian	menyembunyikan item yang dipakai kurang dari 2, 3, 5, 10, atau 25 kali
Pencarian	dalam deskripsi dan id

Deskripsikan N dengan AI mendeskripsikan tepat apa yang ditampilkan dan belum dideskripsikan, dari atas ke bawah sesuai urutan yang dipilih, empat sekaligus. Setiap deskripsi disimpan segera setelah tiba. Baris kemajuan menampilkan berapa yang sudah selesai, kegagalan, kecepatan, dan sisa waktu. Tombol yang sama berubah menjadi Hentikan: Anda dapat berhenti kapan saja, dan proses berikutnya melanjutkan dengan sisanya. Awal yang baik untuk chat besar: Paling sering dipakai dulu dan Dipakai 3 kali atau lebih.

Pesan suara Anda

Dengan kolom tulis kosong, tombol kirim berubah menjadi mikrofon, seperti di Telegram. Rekaman dikonversi ke WAV di peramban, diunggah, dan ditranskripsikan. Pengunjung tautan berbagi juga dapat merekam.

INFO

Peramban hanya mengizinkan perekaman di https:// atau localhost.

Foto dan suara persona

Hubungkan server MCP yang membuat gambar dan yang berbicara:

{
  "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"}}
}

Persona kemudian mendapat dua tindakan lagi:

Tindakan	Fungsinya
send_voice {text}	memanggil alat suara (WAV, dicoba ulang sebagai mp3) dan mengirim pesan suara
send_photo {prompt, caption?}	memanggil alat gambar dan mengirim foto

• Dengan alat suara terhubung, pesan suara persona sendiri yang sudah ditranskripsikan diputar ulang sebagai send_voice, sehingga model melihat kebiasaan itu dalam bentuk yang dapat ia lanjutkan.
• Suara di Detail chat (misalnya Puck) memberi persona suaranya sendiri.
• Gambar atau audio lain yang dikembalikan alat MCP menjadi media chat gen_… (diperiksa berdasarkan isi, hingga 25 MB, dan dihapus bersama chat).

Biaya

Setiap foto atau pesan suara adalah panggilan berbayar tambahan: sekitar $0,01 per gambar dengan meta/muse-image, dan beberapa detik TTS.