Diarizatsiya, tarjima, klonlash va video

# gateway.env — optional voice/video sidecars
AIHUMMER_DIARIZE_URL=http://127.0.0.1:8003
AIHUMMER_VOICECLONE_URL=http://127.0.0.1:8004
AIHUMMER_VIDEO_URL=http://127.0.0.1:8005

[Nutq kirishi va chiqishi](/uz/v1.0/voice/stt-tts) dan tashqari, AiHummer toʻrtta qoʻshimcha, ixtiyoriy media imkoniyatlarini taklif etadi: **soʻzlovchi diarizatsiyasi**, **nutq tarjimasi**, **ovoz klonlash** va **videoni tushunish**. Har biri URL orqali yetib boriladigan [sidecar](/uz/v1.0/architecture/sidecars) sifatida **bepul/lokal dvigatellarda oflayn** ishlaydi. > [!NOTE] > Bular **core / sidecar xususiyatlari**, SIP xususiyatlari emas. SIP kanalining > oʻzi faqat STT, TTS, barge-in, DTMF va yozib olishni qoʻllab-quvvatlaydi — > diarizatsiya, tarjima va ovoz klonlash core ovozga tegishli boʻlib, > `/v1/voice/*` da taqdim etiladi. ## Soʻzlovchi diarizatsiyasi Diarizatsiya bir nechta soʻzlovchili audio klipda "kim qachon gapirgan" savoliga javob beradi. U diarize sidecar'da, oflayn, **pyannote `speaker-diarization-3.1`** ni ishga tushiradi. | Element | Qiymat | |---|---| | Dvigatel | pyannote `speaker-diarization-3.1` (oflayn) | | Sidecar porti | `:8003` | | Endpoint | `POST /v1/voice/diarize` | | Ulanadi | `AIHUMMER_DIARIZE_URL` | ## Nutq tarjimasi Tarjima nutqni (yoki uning transkriptini) bir tildan boshqasiga oʻzgartiradi, shunda agent tillar boʻylab qoʻngʻiroq qiluvchilarga xizmat koʻrsata oladi. | Element | Qiymat | |---|---| | Endpoint | `POST /v1/voice/translate` | ## Ovoz klonlash Ovoz klonlash nutqni maqsadli ovozda sintez qiladi. U voiceclone sidecar'da **OpenVoice V2 va MeloTTS** ni — oflayn va **MIT litsenziyali** — ishga tushiradi. | Element | Qiymat | |---|---| | Dvigatel | OpenVoice V2 + MeloTTS (oflayn, MIT) | | Sidecar porti | `:8004` | | Endpoint | `POST /v1/voice/clone` | | Ulanadi | `AIHUMMER_VOICECLONE_URL` | ## Videoni tushunish Videoni tushunish **ffmpeg** bilan audioni demultiplekslash va kalit kadrlarni namuna olish orqali klip nimani oʻz ichiga olishini ajratib oladi — bu sidecar'da **ML modeli yoʻq**; u agent navbati uchun audio va kadrlarni tayyorlaydi. | Element | Qiymat | |---|---| | Asosida | ffmpeg (demux + kalit kadrlar, ML yoʻq) | | Sidecar porti | `:8005` | | Endpoint | `POST /v1/video/understand` | | Ulanadi | `AIHUMMER_VIDEO_URL` | ## Ulash Har bir imkoniyat faqat uning sidecar URL'i oʻrnatilganda faol boʻladi. Xost-mahalliy oʻrnatuvchi bularni taʼminlashi mumkin yoki ularni siz allaqachon ishga tushirgan namunalarga yoʻnaltirishingiz mumkin. ```ini # gateway.env — optional voice/video sidecars AIHUMMER_DIARIZE_URL=http://127.0.0.1:8003 AIHUMMER_VOICECLONE_URL=http://127.0.0.1:8004 AIHUMMER_VIDEO_URL=http://127.0.0.1:8005 ``` > [!TIP] > Bu sidecar'lar mustaqil — faqat sizga kerak boʻlganlarini yoqing. Faqat > transkripsiya va sintezga muhtoj joylashtirish STT/TTS juftligini yolgʻiz ishga > tushirishi va diarize, voiceclone va video'ni sozlanmagan qoldirishi mumkin. ## Keyingisi qayerda - Standart nutq yoʻli: [Nutq kirishi va chiqishi](/uz/v1.0/voice/stt-tts). - Sidecar'lar qanday ulanishi va umumlashtirilishi: [Sidecar'lar](/uz/v1.0/architecture/sidecars).