AiHummer
Eesti▾
SisselogimineKonto
v1.3.x▾
v1.3.xstablev1.2.xstablev1.1.xstablev1.0.xstable
{ }Swagger
Hääl/Kõne sisse ja välja (STT / TTS)

Kõne sisse ja välja (STT / TTS)

v1.3.x · uuendatud 2026-09-15

AiHummeri käepidemed kõne sisse ja kõne välja kastist — tasuline kõnetuvastuse API pole vajalik. Sissetulev heliklipp transkribeeritakse (STT), tekst juhib tavapärase agendi käiku ja vastus loetakse tagasi (TTS). Mõlemad mootorid on tasuta ja kohalik ja käivita kui järelkäru: faster-whisper transkriptsiooniks ja edge-tts sünteesiks.

Kuidas hääle pöörde töötab

Hääle pööramine on tavaline agentide pööramine, kus heli on mõlemas otsas:

  1. Värav saadab sissetuleva heli aadressile STT lisasõiduk (:8001, faster-whisper) ja saab tagasi teksti.
  2. See tekst juhib tavapärast funktsioonikutsumise järjekorda — sama marsruuter, orkestreerija, tööriistad ja mälu tekstisõnumina.
  3. Vastustekst saadetakse aadressile TTS kõrvalprogramm (:8002, edge-tts) ja Kõnelejat audio tagastatakse helistajale.

See on eksponeeritud ühe lõpp-punktina, POST /v1/voice/turn, nii et kanal või klient saab heli üle anda ja heli vastu võtta ilma samme ise korraldamata.

Lõpp-punktid

Meetod Lõpp-punkt Eesmärk
POST /v1/voice/turn Heli sisse → agendi kord → heli välja
GET /v1/voice/config Praegune hääle seadistus (mootorid, häälestusnupud) 
POST /v1/voice/turn HTTP/1.1
Host: localhost:8780
Content-Type: application/json

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

[!NOTE] Kõne omadused on osa tuum — need ei ole SIP-lisandmooduliga seotud. SIP-kanal kasutab nende sama STT/TTS mootorite jaoks oma local mootor, aga hääl in/out töötab iga kliendi puhul, kes helistab /v1/voice/turn.

Hääle külgede autod

Sadam Sidecar Mootor Roll Juhtmega ühendatud
8001 STT kiirem sosin kõnest tekstiks AIHUMMER_STT_URL
8002 TTS edge-tts tekst → kõne AIHUMMER_TTS_URL

Mõlemad mootorid on tasuta ja lokaalsed: midagi ei saadeta tasulisele kõneteenuse pakkujale. Nagu igal sidecar-il, jõuab lüüs nendeni URL-i järgi, nii et saate neid käivitada kas värava kõrval või suunata ühiskasutatavale eksemplarile.

Juhtmestik

Host-natiivne installija seadistab teie jaoks STT ja TTS URL-id. Need on kataloogi seaded — muuda neid administraatori kasutajaliidesest (Haldus → Seaded) või koos aihummer settings set; gateway.env on ainult Bootstrapi jaoks ja neid ignoreeritakse:

# 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] Sest iga külgkäru on lihtsalt URL, võivad mitu lüüsi jagada ühte STT/TTS-i näide. Keskendage raskemaid kõneteenuseid selle asemel, et käitada koopiat igaühe kohta host.

Helirada häälestamine

Hääle kvaliteedi nupud asuvad Meedia · Hääl seadete rühm ja on kohandatav veebihalduse liidesest — pealejuhtimist ei ole vaja. Need katavad reaalajas helirada:

Nupp Mida see kontrollib
Duplex Täisdupleks (kuula rääkides) vs pooldupleks
AEC Akustiline kaja tühistamine
Müra summutamine Filtreerib STT jaoks taustamüra
AGC Automaatne võimenduse juhtimine (taseme normaliseerimine)
VAD lävi Häältegevuse tuvastamise tundlikkus
Sisse tungima Las helistaja katkestab agendi vastuse keskel

GET /v1/voice/config tagastab tõhusa konfiguratsiooni, et klient saaks avastada aktiivsed mootorid ja need seaded.

Automaatsed häälvastused

Selle, millal valmis vastus ette loetakse, otsustavad kolm rühma „Media · Voice“ seadet (veebiliides → Haldus → Seaded):

Seade Võti Väärtused
Automaatsed häälvastused AIHUMMER_TTS_AUTO_REPLY off — mitte kunagi; always — alati; inbound (vaikimisi) — ainult vastuseks sissetulevale helile; tagged — kui agent märgib vastuse selgesõnaliselt ettelugemiseks
Etteloetava teksti märgipiir AIHUMMER_TTS_MAX_CHARS 0 (vaikimisi) — loe ette kogu vastus; 100–10000 — etteloetava teksti piir
Pikkade häälvastuste kokkuvõte AIHUMMER_TTS_SUMMARIZE vaikimisi sees: mudel lühendab pika vastuse piirini; kui mudel pole saadaval, loetakse ette teksti algus

Vastuse täistekst jääb igas režiimis vestluse ajalukku. off lülitab välja ainult automaatse ettelugemise — selgesõnaline sünteesipäring tööriista tts kaudu töötab endiselt.

Üksiku vestluse jaoks võib agent vestluskaaslase palvel need väärtused üle kirjutada tööriistadega voice_preferences (kehtivate väärtuste lugemine) ja set_voice_preferences (auto, max_chars, summarize määramine; tühi objekt taastab instantsi vaikeväärtused). Kirjutada saab ainult vestluses osaleja. Häälväljund võtab kasutusele ka alles pärast lüüsi käivitust ühendatud pakkuja ja arvestab konkreetse kasutaja seadeid.

Kuhu järgmine