Пераклад прамоў і відэа

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

За межамі [голас унутры і звонку](/be/v1.0/voice/stt-tts)AiHummer прапануе дзве дадатковыя медыямагчымасці: **пераклад прамовы** і **разуменне відэа**Абодва працуюць на **бясплатныя/мясцовыя рухавікі**пераклад ствараецца з дапамогай побачных модуляў STT/TTS і ўжо наяўнага LLM, у той час як відэа працуе асобна [бокавы прыцэп](/be/v1.0/architecture/sidecars) дасягальна па URL. > [!NOTE] > Дыярызацыя прамоў і кланаванне голасу з'яўляюцца **не** частка прадукту — тыя > магчымасці былі выдалены. Калі вы бачылі іх у старым матэрыяле, не плануйце > вакол іх: стек голасу ўключае STT, TTS, чаргу голасу`/v1/voice/turn`), > пераклад прамовы і разуменне відэа ## Пераклад прамовы Пераклад маўлення ператварае аўдыё на адной мове ў гаворнае аўдыё на іншай, дазваляючы агенту абслугоўваць званкі на розных мовах. Гэта з'яўляецца **чысты пераkladавы працэс без зваротаў агента**: уваходны аўдыё сігнал транскрыбуецца (STT), тэкст перакладаецца з дапамогай аднаразовага завяршэння LLM, і пераклад прамаўляецца назад (TTS). ```text audio in ─▶ STT ─▶ translate (LLM) ─▶ TTS ─▶ audio out ``` Дадатковы сайдкар не патрэбны: канал выкарыстоўвае тыя ж бясплатныя/лакальныя сайдкары, што і для галасавога абароту — faster-whisper`:8001`) і edge-tts (`:8002`) — плюс ваш наладжаны пастаўшчык LLM. | Прадмет | Кошт | |---|---| | Канчатковая кропка | `POST /v1/voice/translate?target=<lang>` | | `target` параметр | Мэтавая мова (BCP-47 або простая назва мовы) **патрабаваны** | | Увод | Аўдыё ў целе запыту (`Content-Type`, па змаўчанні `audio/ogg`) | | Выхад | Перакладзены аўдыё(`audio/mpeg`) | | Загалоўкі адказу | `X-Voice-Transcript` — зыходны тэкст `X-Voice-Reply` — пераклад | | Патрабуе | STT, TTS і пастаўшчык LLM наладжаны | ```http POST /v1/voice/translate?target=en HTTP/1.1 Host: localhost:8780 Content-Type: audio/ogg <binary audio> ``` ## Разуменне відэа Разуменне відэа вылучае тое, што ўтрымлівае кліп, шляхам дэмуксацыі аўдыё і выбаркі ключавых кадраў **ffmpeg** — ёсць **няма мадэлі ШІ** у гэтым сайдкары; ён рыхтуе аўдыё і кадры для ходу агента. | Прадмет | Кошт | |---|---| | Падтрымліваецца | ffmpeg (демукс + ключавыя кадры, без ML) | | Порт для сайдкара | `:8005` | | Канчатковая кропка | `POST /v1/video/understand` | | Злучаны з | `AIHUMMER_VIDEO_URL` | ## Праводка Пераклад прамовы не патрабуе асобнай зменнай: ён актыўны, калі наладжаныя STT, TTS і пастаўшчык LLM. Разуменне відэа ўключаецца праз URL яго дадатковага сэрвісу — a **наладкі каталога** вы ўсталёўваеце з адміністрацыйнага інтэрфейсу (**Кіраванне → Налады**) або з `aihummer settings set` (`gateway.env` ён прызначаны толькі для bootstrap і ігнаруецца для гэтага); усталёўшчык, што працуе на хост-машыне, можа яго забяспечыць або паказаць на раней запушчаны вамі інстанс. ```bash # Optional video sidecar aihummer settings set AIHUMMER_VIDEO_URL http://127.0.0.1:8005 ``` > [!TIP] > Магчымасці незалежныя — уключайце толькі тыя, якія вам патрэбны. Размяшчэнне > якія патрабуюць толькі транскрыпцыі і сінтэзу, могуць працаваць з пары STT/TTS самастойна і > пакіньце відэа-сайдкар неканфігураваным. ## Куды далей - Шлях маўлення па змаўчанні: [Рэч унутры і звонку](/be/v1.0/voice/stt-tts). - Як падключаюцца і выкарыстоўваюцца сайдкары: [Бакавыя калёсы](/be/v1.0/architecture/sidecars).