AiHummer
Türkmençe
Gir
v1.0.x
{ }Swagger

Söz girişi we çykyşy (STT / TTS)

v1.0.x · täzelendi 2026-06-26

AiHummer söz girişini we çykyşyny gutudan dolandyrýar — tölegli söz API gerek däl. Gelýän audio klip transkripsiýa edilýär (STT), tekst adaty agent turnyny dolandyrýar, jogap bolsa yzyna aýdylýar (TTS). Iki hereketlendiriji-de mugt we lokaldyr we sidecarlar hökmünde işleýär: transkripsiýa üçin faster-whisper we sintez üçin edge-tts.

Ses turny nähili işleýär

Ses turny iki ujunda-da audioly adaty agent turnydyr:

  1. Gateway gelýän audiony STT sidecaryna (:8001, faster-whisper) iberýär we yzyna tekst alýar.
  2. Şol tekst adaty funksiýa-çagyryş turnyny dolandyrýar — tekst habary bilen şol bir marşrutlaýjy, orkestrator, gurallar we ýat.
  3. Jogap teksti TTS sidecaryna (:8002, edge-tts) iberilýär we aýdylan audio jaň edýäne gaýtarylýar.

Bu ýeke ahyrlyk hökmünde açylýar, POST /v1/voice/turn, şeýdip kanal ýa-da müşderi ädimleri özi orkestrirlemän audiony tabşyryp we audio alyp bilýär.

Ahyrlyklar

Metod Ahyrlyk Maksat
POST /v1/voice/turn Audio giriş → agent turny → audio çykyş
GET /v1/voice/config Häzirki ses konfigurasiýasy (hereketlendirijiler, sazlama düwmeleri)
POST /v1/voice/turn HTTP/1.1
Host: localhost:8780
Content-Type: application/json

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

[!NOTE] Söz aýratynlyklary core-yň bölegidir — olar SIP pluginine baglanan däldir. SIP kanaly öz local hereketlendirijisi üçin şol bir STT/TTS hereketlendirijilerini ulanýar, ýöne söz girişi/çykyşy /v1/voice/turn çagyrýan islendik müşderi üçin işleýär.

Ses sidecarlary

Port Sidecar Hereketlendiriji Rol Sim baglanyşdyrylýar
8001 STT faster-whisper söz → tekst AIHUMMER_STT_URL
8002 TTS edge-tts tekst → söz AIHUMMER_TTS_URL

Iki hereketlendiriji-de mugt we lokaldyr: hiç zat tölegli söz satyjysyna iberilmeýär. Her sidecar ýaly, gateway olara URL arkaly ýetýär, şonuň üçin siz olary gatewaýyň ýanynda işledip ýa-da paýlaşylan instansa ugrukdyryp bilersiňiz.

Sim baglanyşdyrmak

Host-natiw gurnaýjy STT we TTS URL-laryny siz üçin sazlaýar. Üýtgeýjiler:

# 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] Her sidecar diňe URL bolany üçin, birnäçe gateway bir STT/TTS instansyny paýlaşyp bilýär. Her hosta bir nusga işletmegiň ýerine has agyr söz hyzmatlaryny merkezleşdiriň.

Audio ýoluny sazlamak

Ses hili düwmeleri “Media · Voice” sazlama toparynda ýaşaýar we web admin UI-den sazlanyp bolýar — gaýtadan deploý gerek däl. Olar hakyky wagt audio ýoluny öz içine alýar:

Düwme Näme dolandyrýar
Duplex Doly-dupleks (geplände diňlemek) garşy ýarym-dupleks
AEC Akustik echo aýyrmak
Şowhun basyşy STT-den ozal fon şowhunyny filtrleýär
AGC Awtomatiki güýçlenme dolandyryşy (derejäni normallaşdyrmak)
VAD bosagasy Ses-işjeňlik kesgitlemesiniň duýgurlygy
Barge-in Jaň edýäne agenti jogabyň ortasynda bölmäge rugsat ber

GET /v1/voice/config netijeli konfigurasiýany gaýtarýar, şeýdip müşderi işjeň hereketlendirijileri we bu sazlamalary tapyp bilýär.

Indiki ädim