Nutqni tarjima qilish va video

audio in ─▶ STT ─▶ translate (LLM) ─▶ TTS ─▶ audio out

POST /v1/voice/translate?target=en HTTP/1.1
Host: localhost:8780
Content-Type: audio/ogg

<binary audio>

# Optional video sidecar
aihummer settings set AIHUMMER_VIDEO_URL http://127.0.0.1:8005

Orqasida [nutq kirish va chiqish](/uz/v1.0/voice/stt-tts), AiHummer ikkita qo'shimcha media imkoniyatlarini taklif etadi: **nutq tarjimasi** va **video tushunish**. Ikkalasi ham ishlaydi **bepul/mahalliy dvigatellar**: tarjima STT/TTS yon mashinalari va sizda allaqachon mavjud LLMdan yig'iladi, video esa o'zini o'zi ishlaydi [yon arava](/uz/v1.0/architecture/sidecars) URL orqali erishildi. > [!NOTE] > Nutqchi ajratish va ovoz klonlash **emas** mahsulotning bir qismi — ular > qobiliyatlar olib tashlandi. Agar ularni eski materiallarda ko'rsangiz, rejalashtirmang > ular atrofida: ovoz steki STT, TTS, ovoz navbati (`/v1/voice/turn`), > nutqni tarjima qilish va video tushunish. ## Nutq tarjimasi Nutq tarjimasi bitta tilni boshqa tilga og‘zaki audio shaklida aylantiradi, shunda operator turli tillardagi qo‘ng‘iroqlarga xizmat ko‘rsatishi mumkin. Bu **agent navbatsiz sof tarjima quvuri**: kiruvchi audio transkriptsiya qilinadi (STT), matn bir martalik LLM yakunlanishi bilan tarjima qilinadi va tarjima tovushga aylantiriladi (TTS). ```text audio in ─▶ STT ─▶ translate (LLM) ─▶ TTS ─▶ audio out ``` Qo‘shimcha sidecar kerak emas: pipeline ovoz navbati kabi bir xil bepul/mahalliy sidecarlardan foydalanadi — faster-whisper`:8001`) va edge-tts (`:8002`) — shuningdek siz sozlagan LLM provayderingiz. | Mahsulot | Qiymat | |---|---| | Tugun nuqtasi | `POST /v1/voice/translate?target=<lang>` | | `target` parametr | Maqsad til (BCP-47 yoki oddiy til nomi); **majburiy** | | Kiritish | Soʻrov tanasidagi audio (`Content-Type`, odatiy bo'yicha `audio/ogg`) | | Chiqish | Tarjima qilingan audio (`audio/mpeg`) | | Javob sarlavhalari | `X-Voice-Transcript` — manba matni, `X-Voice-Reply` — tarjima | | Talab qiladi | STT, TTS va LLM provayderi sozlangan | ```http POST /v1/voice/translate?target=en HTTP/1.1 Host: localhost:8780 Content-Type: audio/ogg <binary audio> ``` ## Video tushunish Video tushunishi klipda nima borligini aniqlash uchun audiolarni demakslash va asosiy freymalarni tanlab olish orqali amalga oshiriladi **ffmpeg** — bor **hech qanday ML modeli** bu sidekarda; u agent navbati uchun audio va ramkalarni tayyorlaydi. | Mahsulot | Qiymat | |---|---| | Qo‘llab-quvvatlangan | ffmpeg (demaks + kalit kadrlar, ML yo‘q) | | Sidecar porti | `:8005` | | Tugun nuqtasi | `POST /v1/video/understand` | | Simlangan | `AIHUMMER_VIDEO_URL` | ## Simlash Nutq tarjimasi uchun alohida o'zgaruvchiga ehtiyoj yo'q: u faqat STT, TTS va LLM provayderi sozlanganida faol bo'ladi. Video tushunish uning sidecar URL orqali yoqiladi — a **katalog sozlamalari** siz admin UI dan belgilaysiz (**Boshqaruv → Sozlamalar**) yoki bilan `aihummer settings set` (`gateway.env` faqat bootstrap uchun va unga e'tibor qilinmaydi); host-ga xos o‘rnatuvchi uni taqdim etishi yoki siz allaqachon ishlatayotgan instansiyaga ko‘rsatishi mumkin. ```bash # Optional video sidecar aihummer settings set AIHUMMER_VIDEO_URL http://127.0.0.1:8005 ``` > [!TIP] > Imkoniyatlar mustaqil — faqat kerakli bo'lganlarini yoqing. Bir joylashtirish > bu faqat transkripsiya va sintezani talab qiladi va STT/TTS juftligini yolgʻiz ishlata oladi va > videoning sidekarini sozlanmagan holda qoldiring. ## Keyingi qayerga - Standart nutq yo‘li: [Nutq kirish va chiqish](/uz/v1.0/voice/stt-tts). - Yon aravalar qanday ulanishi va bo‘lishishi: [Yon aravachalar](/uz/v1.0/architecture/sidecars).