AiHummer
Беларуская▾
Увайсці
v1.0.x▾
v1.0.xstable
{ }Swagger
Голас/Маўленне ўваход і выхад (STT / TTS)

Маўленне ўваход і выхад (STT / TTS)

v1.0.x · абноўлена 2026-06-26

AiHummer апрацоўвае маўленне ўваход і маўленне выхад з каробкі — не патрабуецца платны API маўлення. Уваходны аўдыякліп транскрыбуецца (STT), тэкст кіруе звычайным ходам агента, а адказ агучваецца назад (TTS). Абодва рухавікі бясплатныя і лакальныя і працуюць як сайдкары: faster-whisper для транскрыпцыі і edge-tts для сінтэзу.

Як працуе галасавы ход

Галасавы ход — гэта звычайны ход агента з аўдыа на абодвух канцах:

  1. Шлюз адпраўляе ўваходнае аўдыа ў сайдкар STT (:8001, faster-whisper) і атрымлівае назад тэкст.
  2. Гэты тэкст кіруе звычайным ходам выкліку функцый — той самы маршрутызатар, аркестратар, інструменты і памяць, што і тэкставае паведамленне.
  3. Тэкст адказу адпраўляецца ў сайдкар TTS (:8002, edge-tts), і агучанае аўдыа вяртаецца таму, хто тэлефануе.

Гэта выстаўлена як адзіная канчатковая кропка, POST /v1/voice/turn, так што канал ці кліент можа перадаць аўдыа і атрымаць аўдыа, не аркеструючы крокі сам.

Канчатковыя кропкі

Метад Канчатковая кропка Прызначэнне
POST /v1/voice/turn Аўдыа ўваход → ход агента → аўдыа выхад
GET /v1/voice/config Бягучая галасавая канфігурацыя (рухавікі, ручкі наладкі) 
POST /v1/voice/turn HTTP/1.1
Host: localhost:8780
Content-Type: application/json

{
  "audio": "<base64-encoded clip>",
  "format": "wav"
}

[!NOTE] Функцыі маўлення з’яўляюцца часткай ядра — яны не прывязаны да плагіна SIP. Канал SIP выкарыстоўвае гэтыя самыя рухавікі STT/TTS для свайго рухавіка local, але ўваход/выхад голасу працуе для любога кліента, які выклікае /v1/voice/turn.

Галасавыя сайдкары

Порт Сайдкар Рухавік Роля Падключаецца праз
8001 STT faster-whisper маўленне → тэкст AIHUMMER_STT_URL
8002 TTS edge-tts тэкст → маўленне AIHUMMER_TTS_URL

Абодва рухавікі бясплатныя і лакальныя: нічога не адпраўляецца платнаму пастаўшчыку маўлення. Як і з кожным сайдкарам, шлюз дасягае іх праз URL, так што вы можаце запускаць іх побач са шлюзам ці накіраваць на агульны асобнік.

Падключэнне

Хост-натыўны ўсталёўшчык задае URL STT і TTS за вас. Пераменныя:

# gateway.env — voice in/out (auto-set by the installer)
AIHUMMER_STT_URL=http://127.0.0.1:8001
AIHUMMER_TTS_URL=http://127.0.0.1:8002

[!TIP] Паколькі кожны сайдкар — гэта проста URL, некалькі шлюзаў могуць дзяліць адзін асобнік STT/TTS. Цэнтралізуйце цяжэйшыя сэрвісы маўлення замест таго, каб запускаць копію на хост.

Наладка аўдыяшляху

Ручкі якасці голасу жывуць у групе налад “Media · Voice” і наладжваюцца з вэб-адмін-UI — без перавыкладкі. Яны ахопліваюць рэальначасовы аўдыяшлях:

Ручка Што кантралюе
Duplex Поўны дуплекс (слухаць падчас гаворкі) супраць паўдуплекса
AEC Акустычнае падаўленне рэха
Падаўленне шуму Фільтруе фонавы шум перад STT
AGC Аўтаматычнае кіраванне ўзмацненнем (нармалізацыя ўзроўню)
Парог VAD Адчувальнасць дэтэкцыі галасавой актыўнасці
Barge-in Дазваляе таму, хто тэлефануе, перапыніць агента пасярод адказу

GET /v1/voice/config вяртае дзейсную канфігурацыю, так што кліент можа выявіць актыўныя рухавікі і гэтыя налады.

Куды далей