Kõnetõlge ja 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

Üle [ütlemine sisse ja välja](/et/v1.0/voice/stt-tts), AiHummer pakub kahte lisameediumi võimalust: **kõnede tõlkimine** ja **video mõistmine**. Mõlemad töötavad **tasuta/kohalikud mootorid**: tõlge koostatakse juba olemasolevatest STT/TTS lisamoodulitest ja LLM-ist, samas kui video jookseb eraldi [järelkäru](/et/v1.0/architecture/sidecars) jõutud URL-i kaudu. > [!NOTE] > Kõneleja diariseerimine ja hääle kloonimine on **ei** osa tootest — need > võimalused eemaldati. Kui nägite neid vanemas materjalis, ärge plaanige > nende ümber: häälestak on STT, TTS, hääle vahetus (`/v1/voice/turn`), > kõne tõlge ja video mõistmine. ## Kõnetõlge Kõnetõlge muudab heli ühes keeles kõneheliks teises keeles, nii et agent saab teenindada helistajaid erinevates keeltes. See on **puhta tõlkimise töövoog ilma agendipöördel**: sissevoolav heli transkribeeritakse (STT), tekst tõlgitakse ühe sammuga LLM-i täitmisega ja tõlge kõneldakse tagasi (TTS). ```text audio in ─▶ STT ─▶ translate (LLM) ─▶ TTS ─▶ audio out ``` Täiendavat kõrvalprotsessi pole vaja: torujuhe kasutab samu tasuta/kohalikke kõrvalprotsesse nagu hääle vahetus — faster-whisper (`:8001`) ja edge-tts (`:8002`) — pluss teie seadistatud LLM-i pakkuja. | Ese | Väärtus | |---|---| | Lõpp-punkt | `POST /v1/voice/translate?target=<lang>` | | `target` parameeter | Sihtkeel (BCP-47 või tavaline keelenimi); **nõutav** | | Sisend | Heli päringu kehas (`Content-Type`, vaikimisi `audio/ogg`) | | Väljund | Tõlgitud heli (`audio/mpeg`) | | Vastuse päised | `X-Voice-Transcript` — lähte tekst, `X-Voice-Reply` — tõlge | | Nõuab | STT, TTS ja LLM pakkuja seadistatud | ```http POST /v1/voice/translate?target=en HTTP/1.1 Host: localhost:8780 Content-Type: audio/ogg <binary audio> ``` ## Video mõistmine Video mõistmine eraldab, mida klipp sisaldab, demuxeerides heli ja valides võtmeraame. **ffmpeg** — on **mitte ühtegi ML mudelit** selles kraanikausis; see valmistab heli ja kaadrid agendi vooruks ette. | Ese | Väärtus | |---|---| | Tagatud | ffmpeg (demuks + võtmeraamid, ilma ML-ta) | | Sidekari pord | `:8005` | | Lõpp-punkt | `POST /v1/video/understand` | | Juhtmega ühendatud | `AIHUMMER_VIDEO_URL` | ## Juhtmestik Kõnemida tõlkimiseks ei ole vaja eraldi muutujat: see on aktiivne kohe, kui STT, TTS ja LLM-i pakkuja on seadistatud. Video mõistmine on lubatud selle sidecar URL-i kaudu — a **kataloogi seade** sa määrad admini UI-st (**Haldus → Seaded**) või koos `aihummer settings set` (`gateway.env` on ainult bootstrap ja seda ignoreeritakse selle jaoks); hosti-natiivne installija saab seda seadistada või viidata juba käitatavale instantsile. ```bash # Optional video sidecar aihummer settings set AIHUMMER_VIDEO_URL http://127.0.0.1:8005 ``` > [!TIP] > Võimalused on sõltumatud — lubage ainult need, mida vajate. Ülesseadmine > mis vajab ainult transkriptsiooni ja sünteesi, saab STT/TTS paari iseseisvalt käivitada ja > jäta video kõrvalekülg mittekonfigureerituks. ## Kuhu järgmine - Vaikimisi kõnerada: [Kõne sisse ja välja](/et/v1.0/voice/stt-tts). - Kuidas külgkorvid on ühendatud ja jagatud: [Külgkorvid](/et/v1.0/architecture/sidecars).