AiHummer
Монгол▾
НэвтрэхБүртгэл
v1.0.x▾
v1.2.xstablev1.1.xstablev1.0.xstable
{ }Swagger
Дуу хоолой/Яриа оруулах ба гаргах (STT / TTS)

Яриа оруулах ба гаргах (STT / TTS)

v1.0.x · шинэчилсэн 2026-07-05

AiHummer бариулууд хэл яриа орж ирэх ба гарах хайрцаг — ямар ч төлбөртэй үг хэлэх API шаардагдахгүй. Ирж буй аудио бичлэгийг бичвэрт хөрвүүлнэ (STT), текст нь хэвийн агентийн эргэлтийг удирдана, хариултыг эргээд дуугаар хэлнэ (TTS). Аль аль хөдөлгүүр нь чөлөөт ба орон нутгийн мөн ажиллуулахдаа сайдкарууд: транскрипцид faster-whisper, синтезэд edge-tts.

Дууны эргэлт хэрхэн ажилладаг

Дуу хоолойгоор эргэлт хийх нь хоёр талд нь аудио нээлттэй энгийн агентын эргэлт юм:

  1. Гэйтвей нь орж ирж буй аудио доор нь илгээнэ STT сайдкар (:8001, faster-whisper) ба текст буцааж авдаг.
  2. Тэр текст нь ердийн функц дуудах эргүүлгийг хөдөлгөдөг — адил маршрутизатор, зохицуулагч, засвар хэрэгсэл ба санах ойг мессеж болгон.
  3. Хариу мессеж нь руу илгээгдсэн TTS сайдкар (:8002, edge-tts) ба Яригдсан дууг дуудсан руу буцаадаг.

Энэ нь нэг эцсийн цэг болгон ил тавигдсан. POST /v1/voice/turn, тиймээс сувэг эсвэл клиент нь аудио өгч авах боломжтой бөгөөд алхмуудыг өөрөө зохицуулах шаардлагагүй юм.

Өгөгдлийн цэгүүд

Арга Төгсгөл цэг Зорилго
POST /v1/voice/turn Дууг оруулах → агент эргүүлэх → дууг гаргах
GET /v1/voice/config Одоогийн дуу хоолойн тохиргоо (двигатели, тохиргооны товчлуурууд) 
POST /v1/voice/turn HTTP/1.1
Host: localhost:8780
Content-Type: application/json

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

[!NOTE] Ярианы онцлогууд нь …-ын нэг хэсэг юм цөм — тэд SIP залгаасанд холбогдоогүй байна. Тэд SIP суваг өөрийнх нь үүний төлөө эдгээр STT/TTS хөдөлгүүрүүдийг ашигладаг local мотор, гэхдээ дуу орох/гарч гарах нь дуудаж байгаа ямар ч клиентэд ажилдаг /v1/voice/turn.

Дууны сайдкарыг

Порт Сайдкар Мотор Үүрэг Утасласан
8001 STT илүү хурдан шивнээ илтгэл → текст AIHUMMER_STT_URL
8002 ТТС edge-tts текст → дуу AIHUMMER_TTS_URL

Хоёулаа үнэгүй, орон нутгийн хөдөлгүүрүүд юм: ямар ч мэдээлэл төлбөртэй үг хэлний үйлчилгээ үзүүлэгч рүү илгээгддэггүй. Бүх сайдкарлтай адил, шлюз нь тэдэнд хүрдэг URL-аар, тэгэхээр та үүнийг гарцын хажууд эсвэл нийтлэг тохиолдолд ажиллуулж болно.

Өрөх утас

Хост-нутгийн суулгагч нь таны төлөө STT ба TTS URL хаягуудыг тохируулдаг. Тэд бол каталогын тохиргоо — эдгээрийг админ UI-аас өөрчилнө (Менежмент → Тохиргоо) эсвэл үүнтэй хамт aihummer settings set; gateway.env зөвхөн Bootstrap-д зориулагдсан бөгөөд үүнийг дараахад тоохгүй байна:

# Voice in/out (auto-configured by the installer)
aihummer settings set AIHUMMER_STT_URL http://127.0.0.1:8001
aihummer settings set AIHUMMER_TTS_URL http://127.0.0.1:8002

[!TIP] Учир нь тус бүрийн сайдкар нь зөвхөн URL тул хэд хэдэн гарц нэг STT/TTS-г хуваалцаж чадна жишээ. Хуулийг нэг бүрчлэн ажиллуулахын оронд илүү их жинтэй үг хэлэх үйлчилгээг төвлөрүүл зочин

Дууны замыг тохируулах

Дууны чанарын товчлуурууд нь дотор амьдардаг Медиа · Дуу хоолой Тохиргооны бүлэг бөгөөд вэб админ UI-гаас тохируулах боломжтой — дахин байрлуулах шаардлагагүй. Эдгээр нь бодит цагийн аудио замыг хамарна:

Товч Энэ нь юуг удирддаг вэ
Дуплекс Бүх дөрвөн дамжуулах горим (ярьж байхдаа сонсох) ба хагас дөрвөн дамжуулах
AEC Акустик сүүдэр арилгах
Дуу чимээ дарах STT хийхээс өмнө арын дуу чимээг шүүж гаргана
AGC Автомат өсөлт хяналт (төвшингийн нормчлол)
VAD хэтрүүлэх түвшин Дууны идэвх илрүүлэх мэдрэг байдал
Шахаж орох Дуудсан хүн агентын хариултын дунд нь тасалдуулж байг

GET /v1/voice/config Үйлчлүүлэгч идэвхтэй хөдөлгүүрүүд болон эдгээр тохиргоог илрүүлэх боломжтой байх ёстой үр ашигтай тохиргоог буцаана.

Дараа хаашаа явах вэ