AiHummer
Беларуская▾
УвайсціАсабісты кабінет
v1.1.x▾
v1.2.xstablev1.1.xstablev1.0.xstable
{ }Swagger
Голас/Гаворка ў рэжыме ўводу і вываду (STT / TTS)

Гаворка ў рэжыме ўводу і вываду (STT / TTS)

v1.1.x · абноўлена 2026-07-05

Кіраванне AiHummer вымаўленне ўнутры і звонку скрынкі — няма неабходнасці ў платным API для распазнавання маўлення. Увайшчы аўдыякліп перапісваецца ў тэкст (STT), тэкст запускае звычайны ход агента, а адказ агучваецца (TTS). Абодва рухавікі бясплатна і мясцовы і балатавацца як бокавыя калёсы: faster-whisper для транскрыпцыі і edge-tts для сінтэзу

Як працуе паварот голасам

Паварот голасу — гэта звычайны паварот агента з уключаным аўдыё на абодвух канцах:

  1. Шлюз адпраўляе ўваходны аўдыёсігнал на STT сайдкар (:8001, faster-whisper) і атрымлівае тэкст назад.
  2. Гэты тэкст запускае звычайнае выкліканне функцый — той жа маршрутызатар, аркестратар інструменты і памяць як тэкставая перадача
  3. Тэкст адказу адпраўляецца на TTS сайдкар (:8002, edge-tts) і Гавораны аўдыёсігнал вяртаецца абаненту.

Гэта адкрыта як адзін канчатковы пункт. POST /v1/voice/turn, таму канал або кліент могуць перадаваць і прымаць аўдыё, не каардынуючы самі ўсе крокі.

Канечныя пункты

Метад Канчатковая кропка Мэта
POST /v1/voice/turn Аўдыё ўваход → ход агента → аўдыё выхад
GET /v1/voice/config Бягучая канфігурацыя голасу (рухавікі, ручкі наладкі) 
POST /v1/voice/turn HTTP/1.1
Host: localhost:8780
Content-Type: application/json

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

[!NOTE] Асаблівасці маўлення з’яўляюцца часткай ядро — яны не прывязаныя да SIP-плагіна. SIP-канал выкарыстоўвае тыя ж рухавікі STT/TTS для свайго local рушчык, але голас in/out працуе для любога кліента, які тэлефануе /v1/voice/turn.

Галасавыя багажнікі

Порт Сідкары Двигатель Роля Злучаны з
8001 СТТ хутчэй-шаптаць маўленне → тэкст AIHUMMER_STT_URL
8002 ТТS edge-tts тэкст → маўленне AIHUMMER_TTS_URL

Абодва рухавікі бясплатныя і лакальныя: нічога не адпраўляецца да платнага пастаўшчыка голасу. Як і ў кожнага сайдкара, шлюз дасягае іх. па URLтак што вы можаце запускаць іх побач з шлюзам або ўказваць на агульны экземпляр.

Праводка

Усталёўшчык на хостынгу аўтаматычна задае URL для STT і TTS. Яны такія наладкі каталога — змяніць іх праз адміністрацыйны інтэрфейс (Кіраванне → Налады) або з aihummer settings set; gateway.env выкарыстоўваецца толькі з bootstrap і ігнаруецца для гэтых:

# 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] Паколькі кожны сайдкар — гэта проста URL, некалькі шлюзаў могуць выкарыстоўваць адзін STT/TTS прыклад. Цэнтралізуйце больш цяжкія сэрвісы размовы замест таго, каб запускаць асобную копію на кожнага гаспадар

Настройка аўдыясцежкі

Рэгулятары якасці гуку знаходзяцца ў СМІ · Голас група налад і можа быць сканфігураваная з вэб-інтэрфейсу адміністратара — паўторнае разгортванне не патрабуецца. Яны ахопліваюць шлях рэальнага часу аудыё:

ручка Што яно кантралюе
Дуплекс Поўны дуплекс (слухаць падчас размовы) супраць паўдуплексу
АЭК Акустычнае скасаванне эха
Прыглушэнне шуму Фільтруе фонавы шум перад рэкаганаваннем маўлення
АГК Аўтаматычнае кіраванне ўзроўнем (нармалізацыя ўзроўню)
Парог VAD Адчувальнасць выяўлення голаснай актыўнасці
Уварванне Няхай званок перапыніць агента падчас адказу

GET /v1/voice/config вяртае эфектыўную канфігурацыю, каб кліент мог даведацца пра актыўныя рухавікі і гэтыя налады.

Куды далей