Foto e voce

Alcune persone mandano soprattutto foto, altre parlano soprattutto con messaggi vocali. iRoof.top mantiene entrambe le abitudini.

Capirle

Nella libreria media, Descrivi con IA descrive sticker, GIF e foto e trascrive i messaggi vocali con il modello media, che deve accettare immagini e audio. Impostalo nelle Impostazioni o con OPENAI_MEDIA_MODEL, per esempio google/gemini-3.5-flash-lite su OpenRouter. Le descrizioni vengono fatte solo quando premi il pulsante, e con un modello locale e la Modalità offline le foto non lasciano mai il tuo computer.

<messaggio vocale 0:05: «ciò che è stato detto»>

Quando un tipo domina, il profilo di stile lo dice, per esempio «parla soprattutto con messaggi vocali (10 su 10)».

Librerie grandi

Una chat lunga può contenere decine di migliaia di sticker, GIF e foto. La libreria media ti aiuta a spendere i token del modello dove contano:

Controllo	Cosa fa
Schede per tipo	Tutti, Mancanti, Descritti, Sticker, GIF, Foto, Video, Voce, con i conteggi
Ordine	più usati (predefinito), meno usati, usati di recente, usati per primi
Numero di usi	nasconde gli elementi usati meno di 2, 3, 5, 10 o 25 volte
Ricerca	nelle descrizioni e negli id

Descrivi N con IA descrive esattamente ciò che è mostrato e non ancora descritto, dall'alto in basso nell'ordine scelto, quattro alla volta. Ogni descrizione viene salvata appena arriva. La riga di avanzamento mostra quante sono fatte, gli errori, la velocità e il tempo rimanente. Lo stesso pulsante diventa Ferma: puoi fermarti in qualsiasi momento, e la prossima esecuzione continua con il resto. Un buon inizio per una chat grande: Più usati prima e Usati 3 o più volte.

I tuoi messaggi vocali

Con il campo di scrittura vuoto il pulsante di invio diventa un microfono, come in Telegram. La registrazione viene convertita in WAV nel browser, caricata e trascritta. Anche i visitatori dei link di condivisione possono registrare.

INFO

I browser consentono la registrazione solo su https:// o localhost.

Le foto e la voce del personaggio

Collega un server MCP che genera immagini e uno che parla:

{
  "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"}}
}

Il personaggio riceve allora altre due azioni:

Azione	Cosa fa
send_voice {text}	chiama lo strumento vocale (WAV, con nuovo tentativo in mp3) e invia un messaggio vocale
send_photo {prompt, caption?}	chiama lo strumento di immagini e invia una foto

• Con uno strumento vocale collegato, i messaggi vocali trascritti del personaggio vengono riprodotti come send_voice, così il modello vede l'abitudine nella forma che può continuare.
• Voce in Dettagli chat (per esempio Puck) dà al personaggio una voce propria.
• Ogni altra immagine o audio restituito da uno strumento MCP diventa un media della chat gen_… (verificato dal contenuto, fino a 25 MB, eliminato con la chat).

Costi

Ogni foto o messaggio vocale è una chiamata a pagamento in più: circa 0,01 $ per immagine con meta/muse-image, e pochi secondi di TTS.