AiHummer
Кыргызча▾
Кирүү
v1.0.x▾
v1.0.xstable
{ }Swagger
Үн/Сүйлөө кирүү жана чыгуу (STT / TTS)

Сүйлөө кирүү жана чыгуу (STT / TTS)

v1.0.x · жаңыланды 2026-06-26

AiHummer сүйлөө кирүү жана сүйлөө чыгууну кутудан чыгары менен иштетет — акылуу сүйлөө API’си талап кылынбайт. Кирүүчү аудио клип транскрипцияланат (STT), текст кадимки агент кезегин башкарат жана жооп кайра айтылат (TTS). Эки кыймылдаткыч тең акысыз жана локалдык жана sidecar катары иштейт: транскрипция үчүн faster-whisper жана синтез үчүн edge-tts.

Үн кезеги кантип иштейт

Үн кезеги — эки учунда тең аудио бар кадимки агент кезеги:

  1. Шлюз кирүүчү аудиону STT sidecar’ына (:8001, faster-whisper) жөнөтөт жана текстти кайтарып алат.
  2. Бул текст кадимки функция-чакыруу кезегин башкарат — текст билдирүүсү менен бирдей роутер, оркестратор, куралдар жана эс тутум.
  3. Жооп тексти TTS sidecar’ына (:8002, edge-tts) жөнөтүлөт жана айтылган аудио чалуучуга кайтарылат.

Бул бир соң, POST /v1/voice/turn, катары ачылган, ошондуктан канал же клиент кадамдарды өзү оркестрациялабастан аудио берип, аудио ала алат.

Соңдор

Метод Соңу Максаты
POST /v1/voice/turn Аудио кирүү → агент кезеги → аудио чыгуу
GET /v1/voice/config Учурдагы үн конфигурациясы (кыймылдаткычтар, тууралоо кнопкалары) 
POST /v1/voice/turn HTTP/1.1
Host: localhost:8780
Content-Type: application/json

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

[!NOTE] Сүйлөө мүмкүнчүлүктөрү core’дун бөлүгү — алар SIP плагинине байланган эмес. SIP каналы өзүнүн local кыймылдаткычы үчүн ушул эле STT/TTS кыймылдаткычтарын колдонот, бирок үн кирүү/чыгуу /v1/voice/turn чакырган каалаган клиент үчүн иштейт.

Үн sidecar’дары

Порт Sidecar Кыймылдаткыч Ролу Туташтырылган
8001 STT faster-whisper сүйлөө → текст AIHUMMER_STT_URL
8002 TTS edge-tts текст → сүйлөө AIHUMMER_TTS_URL

Эки кыймылдаткыч тең акысыз жана локалдык: акылуу сүйлөө сатуучусуна эч нерсе жөнөтүлбөйт. Ар бир sidecar сыяктуу, шлюз аларга URL аркылуу жетет, ошондуктан сиз аларды шлюздун жанында иштетсеңиз же бөлүшүлгөн инстанска багыттай аласыз.

Туташтыруу

Хост-нативдүү орноткуч STT жана TTS URL’дарын сиз үчүн орнотот. Өзгөрмөлөр:

# 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] Ар бир sidecar жөн гана URL болгондуктан, бир нече шлюз бир STT/TTS инстансын бөлүшө алат. Хост сайын көчүрмө иштетүүнүн ордуна оор сүйлөө кызматтарын борборлоштуруңуз.

Аудио жолун тууралоо

Үн сапаты кнопкалары “Media · Voice” жөндөөлөр тобунда жашайт жана веб админ UI’дан конфигурацияланат — кайра жайгаштыруу талап кылынбайт. Алар реалдуу убакыттагы аудио жолун камтыйт:

Кнопка Эмнени башкарат
Duplex Толук дуплекс (сүйлөп жатканда угуу) vs жарым дуплекс
AEC Акустикалык жаңырыкты жоюу
Шуунун басылышы STT’ден мурун фондук шуну чыпкалайт
AGC Автоматтык күчөтүүнү башкаруу (деңгээлди нормалдаштыруу)
VAD босого Үн-активдүүлүгүн аныктоо сезгичтиги
Barge-in Чалуучуга агентти жооптун ортосунда үзгүлтүккө учуратууга уруксат берүү

GET /v1/voice/config күчтүү конфигурацияны кайтарат, ошондуктан клиент активдүү кыймылдаткычтарды жана бул жөндөөлөрдү таба алат.

Кийинки кадам кайда