Nitqin tərcüməsi və video

audio in ─▶ STT ─▶ translate (LLM) ─▶ TTS ─▶ audio out

POST /v1/voice/translate?target=en HTTP/1.1
Host: localhost:8780
Content-Type: audio/ogg

<binary audio>

# Optional video sidecar
aihummer settings set AIHUMMER_VIDEO_URL http://127.0.0.1:8005

Ondan kənarda [danışıq daxilində və xaricində](/az/v1.0/voice/stt-tts), AiHummer əlavə olaraq iki media xüsusiyyəti təklif edir: **nitq tərcüməsi** və **video başa düşmə**. Hər ikisi işləyir **pulsuz/lokal mühərriklər**: tərcümə STT/TTS yan maşınlarından və artıq sahib olduğunuz LLM-dən yığılır, video isə öz olaraq işləyir [yan araba](/az/v1.0/architecture/sidecars) URL ilə çatıldı. > [!NOTE] > Danışanın diaqnozu və səsin klonlaşdırılması **yox** məhsulun bir hissəsi — onlar > imkanlar çıxarıldı. Əgər onları köhnə materiallarda gördünüzsə, planlaşdırmayın > ətrafında: səs yığını STT, TTS, səs növbəsi (`/v1/voice/turn`), > nitq tərcüməsi və video anlama. ## Nitq tərcüməsi Nitqin tərcüməsi bir dildə olan səsləri digər dildə danışılan səslərə çevirir, beləliklə agent müxtəlif dillərdə zəng edənlərə xidmət göstərə bilər. Bu **agent dönüşü olmayan saf tərcümə boru xətti**: daxil olan səs yazıya çevrilir (STT), mətn bir dəfəlik LLM tamamlanması ilə tərcümə olunur və tərcümə danışıq şəklində geri verilir (TTS). ```text audio in ─▶ STT ─▶ translate (LLM) ─▶ TTS ─▶ audio out ``` Əlavə sidecar lazım deyil: pipeline eyni pulsuz/lokal sidecarlardan istifadə edir, səs növbəsi kimi — faster-whisper`:8001`) və edge-tts (`:8002`) — əlavə olaraq sizin konfiqurasiya edilmiş LLM təminatçınız. | Maddə | Dəyər | |---|---| | Son nöqtə | `POST /v1/voice/translate?target=<lang>` | | `target` parametr | Hədəf dil (BCP-47 və ya sadə dil adı); **tələb olunan** | | Giriş | Sorğu bədənindəki audio (`Content-Type`, standart olaraq `audio/ogg`) | | Çıxış | Tərcümə edilmiş audio (`audio/mpeg`) | | Cavab başlıqları | `X-Voice-Transcript` — mənbə mətni, `X-Voice-Reply` — tərcümə | | Tələb edir | STT, TTS və LLM təminatçısı konfiqurasiya edildi | ```http POST /v1/voice/translate?target=en HTTP/1.1 Host: localhost:8780 Content-Type: audio/ogg <binary audio> ``` ## Video başa düşmə Video anlama, klipin nəyi əhatə etdiyini audioyu demux edərək və əsas freymələri nümunələyərək çıxarır **ffmpeg** — var **heç bir ML modeli** bu sidekarda; agentin növbəsi üçün səsi və kadrləri hazırlayır. | Maddə | Dəyər | |---|---| | Dəstəklənir | ffmpeg (demux + açar kadrlar, ML yoxdur) | | Sidecar portu | `:8005` | | Son nöqtə | `POST /v1/video/understand` | | Qoşulub | `AIHUMMER_VIDEO_URL` | ## Kabel sistemi Nitq tərcüməsi üçün xüsusi dəyişənə ehtiyac yoxdur: STT, TTS və LLM təminatçısı qurulduqda aktiv olur. Video başa düşülməsi onun sidecar URL-i ilə aktivləşdirilir — a **kataloq parametri** siz admin UI-dan təyin edirsiniz (**İdarəetmə → Parametrlər**) və ya ilə `aihummer settings set` (`gateway.env` yalnız bootstrap üçündür və buna görə nəzərə alınmır); host-yerli quraşdırıcı onu təmin edə bilər və ya artıq işlədiyiniz bir nümunəyə işarə edə bilər. ```bash # Optional video sidecar aihummer settings set AIHUMMER_VIDEO_URL http://127.0.0.1:8005 ``` > [!TIP] > İmkanlar müstəqildir — yalnız ehtiyacınız olanları aktiv edin. Bir yerləşdirmə > yalnız transkripsiyaya və sintezə ehtiyacı olanlar STT/TTS cütlüyünü tək başına işlədə bilər və > video yan maşını konfiqurasiyasız buraxın. ## Növbəti haradır - Standart danışıq yolu: [Nitq daxil və çıxış](/az/v1.0/voice/stt-tts). - Yan arabaların necə bağlı olduğu və paylaşıldığı: [Yan arabalar](/az/v1.0/architecture/sidecars).