AiHummer
Română▾
Autentificare
v1.0.x▾
v1.0.xstable
{ }Swagger
Voce/Vorbire intrare și ieșire (STT / TTS)

Vorbire intrare și ieșire (STT / TTS)

v1.0.x · actualizat 2026-06-26

AiHummer gestionează vorbirea intrare și vorbirea ieșire din start — fără niciun API de vorbire plătit necesar. Un clip audio primit este transcris (STT), textul conduce un tur normal de agent, iar răspunsul este rostit înapoi (TTS). Ambele motoare sunt gratuite și locale și rulează ca sidecar-uri: faster-whisper pentru transcriere și edge-tts pentru sinteză.

Cum funcționează un tur de voce

Un tur de voce este un tur normal de agent cu audio la ambele capete:

  1. Gateway-ul trimite audio-ul de intrare către sidecar-ul STT (:8001, faster-whisper) și primește înapoi text.
  2. Acel text conduce turul obișnuit de function-calling — același router, orchestrator, tools și memorie ca un mesaj text.
  3. Textul de răspuns este trimis către sidecar-ul TTS (:8002, edge-tts) și audio-ul rostit este returnat apelantului.

Acest lucru este expus ca un singur endpoint, POST /v1/voice/turn, astfel încât un canal sau client poate preda audio și primi audio fără a orchestra el însuși pașii.

Endpoint-urile

Metodă Endpoint Scop
POST /v1/voice/turn Audio intrare → tur de agent → audio ieșire
GET /v1/voice/config Configurația curentă de voce (motoare, butoane de reglaj) 
POST /v1/voice/turn HTTP/1.1
Host: localhost:8780
Content-Type: application/json

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

[!NOTE] Funcțiile de vorbire fac parte din core — nu sunt legate de plugin-ul SIP. Canalul SIP folosește aceleași motoare STT/TTS pentru motorul său local, dar vorbirea intrare/ieșire funcționează pentru orice client care apelează /v1/voice/turn.

Sidecar-urile de voce

Port Sidecar Motor Rol Conectat cu
8001 STT faster-whisper vorbire → text AIHUMMER_STT_URL
8002 TTS edge-tts text → vorbire AIHUMMER_TTS_URL

Ambele motoare sunt gratuite și locale: nimic nu este trimis către un furnizor de vorbire plătit. La fel ca fiecare sidecar, gateway-ul le accesează prin URL, deci le poți rula lângă gateway sau le poți îndrepta către o instanță partajată.

Conectare

Instalatorul nativ pe gazdă setează URL-urile STT și TTS pentru tine. Variabilele sunt:

# 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] Deoarece fiecare sidecar este doar un URL, mai multe gateway-uri pot partaja o singură instanță STT/TTS. Centralizează serviciile de vorbire mai grele în loc să rulezi o copie pe fiecare gazdă.

Reglarea căii audio

Butoanele de calitate a vocii se află în grupul de setări „Media · Voice“ și sunt configurabile din admin UI web — fără reimplementare necesară. Acestea acoperă calea audio în timp real:

Buton Ce controlează
Duplex Full-duplex (ascultă în timp ce vorbește) vs half-duplex
AEC Anularea ecoului acustic
Suprimarea zgomotului Filtrează zgomotul de fundal înainte de STT
AGC Control automat al amplificării (normalizarea nivelului)
Prag VAD Sensibilitatea detecției activității vocale
Barge-in Permite apelantului să întrerupă agentul în mijlocul răspunsului

GET /v1/voice/config returnează configurația efectivă astfel încât un client să poată descoperi motoarele active și aceste setări.

Unde mai departe