AiHummer
Română▾
AutentificareCont personal
v1.0.x▾
v1.2.xstablev1.1.xstablev1.0.xstable
{ }Swagger
Voce/Vorbe în și din afară (STT / TTS)

Vorbe în și din afară (STT / TTS)

v1.0.x · actualizat 2026-07-05

Mânere AiHummer discurs în și discurs din cutie — nu este necesar un API de vorbire plătit. Un fragment audio primit este transcris (STT), textul conduce o rundă normală a agentului, iar răspunsul este redat vorbit (TTS). Ambele motoare sunt gratuit și local și rulează ca motoscaune: faster-whisper pentru transcriere și edge-tts pentru sinteză.

Cum funcționează un turn de voce

O schimbare de voce este o schimbare normală a agentului cu audio activ la ambele capete:

  1. Poarta trimite audio-ul de intrare către Sidecar STT (:8001, faster-whisper) și primește înapoi text.
  2. Acest text declanșează runda obișnuită de apelare a funcțiilor — același router, același orchestrator, unelte și memorie ca un mesaj text.
  3. Textul de răspuns este trimis către TTS partener (:8002, edge-tts) și audio-ul vorbit este returnat apelantului.

Acesta este expus ca un singur punct final, POST /v1/voice/turn, astfel încât un canal sau client să poată transfera audio și să primească audio fără a orchestrat pașii singur.

Punctele finale

Metodă Punct final Scop
POST /v1/voice/turn Intrare audio → tură agent → ieșire audio
GET /v1/voice/config Configurația curentă a vocii (motoare, butoane de reglare) 
POST /v1/voice/turn HTTP/1.1
Host: localhost:8780
Content-Type: application/json

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

[!NOTE] Caracteristicile vorbirii fac parte din miez — ele nu sunt legate de pluginul SIP. Canalul SIP folosește aceste aceleași motoare STT/TTS pentru acesta local motor, dar voce în/înafara funcționează pentru orice client care apelează /v1/voice/turn.

Sidecarurile vocale

Port Atelaj lateral Motor Rol Conectat cu cablu
8001 STT șoaptă-mai-repede discurs → text AIHUMMER_STT_URL
8002 TTS edge-tts text → voce AIHUMMER_TTS_URL

Ambele motoare sunt gratuite și locale: nimic nu este trimis unui furnizor de vorbire plătit. Ca în cazul fiecărui sidecar, gateway-ul ajunge la ele prin URL, astfel încât să le puteți rula lângă gateway sau să indicați către o instanță partajată.

Încărcare cabluri

Instalatorul nativ al gazdei setează pentru tine URL-urile STT și TTS. Ele sunt setările catalogului — schimbă-le din interfața de administrare (Management → Setări) sau cu aihummer settings set; gateway.env este doar bootstrap și este ignorat pentru acestea:

# 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] Pentru că fiecare sidecar este doar un URL, mai multe gateway-uri pot împărți un singur STT/TTS instanță. Centralizați serviciile de vorbire mai grele în loc să rulați o copie pentru fiecare gazdă.

Ajustarea căii audio

Butonii pentru calitatea vocii se află în “Media · Voce” grup de setări și sunt configurabile din interfața web de administrare — nu este necesară o redeployare. Acestea acoperă traseul audio în timp real:

Buton Ce controlează
Dublu Full-duplex (ascultă în timp ce vorbești) vs half-duplex
AEC Anularea ecoului acustic
Suprimarea zgomotului Filtrează zgomotul de fundal înainte de STT
AGC Control automat al câștigului (normalizarea nivelului)
Prag VAD Sensibilitatea detectării activității vocale
A întrerupe brusc Permiteți apelantului să întrerupă agentul în timpul răspunsului

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

Unde următor?