Traduction de discours et vidéo

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

Au-delà [discours entrant et sortant](/fr/v1.0/voice/stt-tts), AiHummer offre deux capacités médias supplémentaires : **traduction de la parole** et **compréhension de la vidéo**. Les deux fonctionnent sur **moteurs gratuits/locaux**: la traduction est assemblée à partir des sidecars STT/TTS et du LLM que vous avez déjà, tandis que la vidéo fonctionne indépendamment [side-car](/fr/v1.0/architecture/sidecars) atteint par URL. > [!NOTE] > La diarisation des locuteurs et le clonage vocal sont **pas** partie du produit — ceux > les capacités ont été supprimées. Si vous les avez vues dans du matériel plus ancien, ne prévoyez pas > autour d'eux : la pile vocale est STT, TTS, le tour de parole (`/v1/voice/turn`), > traduction de la parole et compréhension vidéo. ## Traduction de la parole La traduction orale transforme l'audio dans une langue en audio parlé dans une autre, de sorte qu'un agent peut servir des appelants dans différentes langues. C'est un **pipeline de traduction pure sans tour d'agent**: l'audio entrant est transcrit (STT), le texte est traduit avec une complétion LLM en une seule fois, et la traduction est restituée oralement (TTS). ```text audio in ─▶ STT ─▶ translate (LLM) ─▶ TTS ─▶ audio out ``` Aucun sidecar supplémentaire n'est nécessaire : le pipeline utilise les mêmes sidecars gratuits/locaux que le tour de voix — faster-whisper`:8001`) et edge-tts (`:8002`) — plus votre fournisseur de LLM configuré. | Article | Valeur | |---|---| | Point de terminaison | `POST /v1/voice/translate?target=<lang>` | | `target` paramètre | Langue cible (BCP-47 ou un nom de langue simple); **requis** | | Entrée | Audio dans le corps de la requête (`Content-Type`, par défaut à `audio/ogg`) | | Sortie | Audio traduit (`audio/mpeg`) | | En-têtes de réponse | `X-Voice-Transcript` — texte source, `X-Voice-Reply` — la traduction | | Exige | Fournisseur de STT, TTS et LLM configuré | ```http POST /v1/voice/translate?target=en HTTP/1.1 Host: localhost:8780 Content-Type: audio/ogg <binary audio> ``` ## Compréhension de la vidéo La compréhension vidéo extrait ce qu'un clip contient en démultiplexant l'audio et en échantillonnant des images clés avec **ffmpeg** — il y a **pas de modèle ML** dans ce sidecar ; il prépare l'audio et les images pour le tour de l'agent. | Article | Valeur | |---|---| | Soutenu par | ffmpeg (démux + images-clés, sans ML) | | Port de side-car | `:8005` | | Point de terminaison | `POST /v1/video/understand` | | Câblé avec | `AIHUMMER_VIDEO_URL` | ## Câblage La traduction vocale n'a pas besoin de variable dédiée : elle est active une fois que STT, TTS et un fournisseur LLM sont configurés. La compréhension vidéo est activée par son URL sidecar — un **paramètre de catalogue** vous configurez depuis l'interface d'administration (**Gestion → Paramètres**) ou avec `aihummer settings set` (`gateway.env` est uniquement bootstrap et ignoré pour cela); l'installateur natif de l'hôte peut le provisionner, ou pointer vers une instance que vous exécutez déjà. ```bash # Optional video sidecar aihummer settings set AIHUMMER_VIDEO_URL http://127.0.0.1:8005 ``` > [!TIP] > Les capacités sont indépendantes — n'activez que celles dont vous avez besoin. Un déploiement > qui a juste besoin de transcription et de synthèse peut exécuter seule la paire STT/TTS et > laissez le sidecar vidéo non configuré. ## Où aller ensuite - Le chemin de parole par défaut : [Discours entrant et sortant](/fr/v1.0/voice/stt-tts). - Comment les side-cars sont câblés et partagés : [Side-cars](/fr/v1.0/architecture/sidecars).