AiHummer
Suomi▾
Kirjaudu sisäänTili
v1.3.x▾
v1.3.xstablev1.2.xstablev1.1.xstablev1.0.xstable
{ }Swagger
Ääni/Puhe sisään ja ulos (STT / TTS)

Puhe sisään ja ulos (STT / TTS)

v1.3.x · päivitetty 2026-09-15

AiHummer-kahvat puhe laatikon sisällä ja puhe laatikosta ulos — ei tarvita maksullista puhe-API:a. Saapuva äänileike transkriboidaan (STT), teksti ohjaa normaalia agentin vuoroa, ja vastaus puhutaan takaisin (TTS). Molemmat moottorit ovat ilmainen ja paikallinen ja suorita nimellä sivuvaunut: faster-whisper puheentunnistukseen ja edge-tts synteesiin.

Miten äänenvaihto toimii

Äänenvuoro on normaali agentin vuoro, jossa ääni on päällä molemmissa päissä:

  1. Yhdyskäytävä lähettää saapuvan äänen osoitteeseen STT-sivuvaunu (:8001, faster-whisper) ja saa takaisin tekstiä.
  2. Tuo teksti ohjaa tavallisen funktion kutsumiskierroksen — sama reititin, orkestroija, työkaluja ja muistoja tekstiviestinä.
  3. Vastausteksti lähetetään osoitteeseen TTS-sivuvaunu (:8002, edge-tts) ja Puheääni palautetaan soittajalle.

Tämä paljastetaan yhtenä päätepisteenä, POST /v1/voice/turn, joten kanava tai asiakas voi luovuttaa äänen ja vastaanottaa äänen ilman, että sen tarvitsee itse hallita vaiheita.

Päätepisteet

Menetelmä Päätepiste Tarkoitus
POST /v1/voice/turn Ääni sisään → agentin vuoro → ääni ulos
GET /v1/voice/config Nykyinen äänikonfiguraatio (moottorit, virityssäätimet) 
POST /v1/voice/turn HTTP/1.1
Host: localhost:8780
Content-Type: application/json

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

[!NOTE] Puheominaisuudet ovat osa ydin — ne eivät ole sidottuja SIP-laajennukseen. SIP-kanava käyttää näitä samoja STT/TTS-moottoreita sen local moottori, mutta ääni Sisään/ulos toimii mille tahansa asiakkaalle, joka soittaa /v1/voice/turn.

Äänisivuvaunut

Satama Sivuvaunu Moottori Rooli Johdotettu
8001 STT nopeampi-kuiskaus puhe → teksti AIHUMMER_STT_URL
8002 TTS edge-tts teksti → puhe AIHUMMER_TTS_URL

Molemmat moottorit ovat ilmaisia ja paikallisia: mitään ei lähetetä maksulliselle puhepalveluntarjoajalle. Kuten jokaisen lisäpalvelun tapauksessa, portti ottaa heihin yhteyden URL:n kautta, jotta voit suorittaa ne yhdessä portin kanssa tai osoittaa jaetulle instanssille.

Johdotus

Isäntä-natiiviasentaja asettaa STT- ja TTS-URL-osoitteet puolestasi. Ne ovat luettelon asetukset — muuta ne hallintakäyttöliittymästä (Hallinta → Asetukset) tai kanssa aihummer settings set; gateway.env on pelkästään bootstrap ja näitä varten ohitettu:

# 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] Koska jokainen sivuvaunu on vain URL-osoite, useat portit voivat jakaa yhden STT/TTS:n esimerkki. Keskitä raskaammat puhepalvelut sen sijaan, että ajaisit kopiota per isäntä.

Äänireitin virittäminen

Äänenlaadun säädöt sijaitsevat Media · Ääni asetusten ryhmä ja ne ovat konfiguroitavissa verkkohallinnan käyttöliittymästä — uudelleenasennusta ei tarvita. Ne kattavat reaaliaikaisen äänipolun:

Nuppi Mitä se ohjaa
Kaksipuolinen Täysi-dupleksi (kuuntele puhuessasi) vs puoliduplex
AEC Akuustinen kaiunvaimennus
Melun vaimennus Suodattaa taustamelun ennen puheentunnistusta
AGC Automaattinen vahvistuksen säätö (tason normalisointi)
VAD-kynnys Puheaktiivisuuden tunnistuksen herkkyys
Keskeyttää Anna soittajan keskeyttää agentti kesken vastauksen

GET /v1/voice/config palauttaa tehokkaan kokoonpanon, jotta asiakas voi löytää aktiiviset moottorit ja nämä asetukset.

Automaattiset puhevastaukset

Kolme ryhmän ”Media · Voice” asetusta (verkkokäyttöliittymä → Hallinta → Asetukset) päättää, milloin valmis vastaus luetaan ääneen:

Asetus Avain Arvot
Automaattiset puhevastaukset AIHUMMER_TTS_AUTO_REPLY off — ei koskaan; always — aina; inbound (oletus) — vain vastauksena saapuvaan ääneen; tagged — kun agentti merkitsee vastauksen nimenomaisesti puhuttavaksi
Puhevastauksen merkkiraja AIHUMMER_TTS_MAX_CHARS 0 (oletus) — lue koko vastaus; 100–10000 — puhutun tekstin raja
Pitkien puhevastausten tiivistäminen AIHUMMER_TTS_SUMMARIZE oletuksena päällä: malli lyhentää pitkän vastauksen rajaan; jos malli ei ole käytettävissä, luetaan tekstin alku

Vastauksen koko teksti säilyy keskusteluhistoriassa jokaisessa tilassa. off poistaa käytöstä vain automaattisen puheen — nimenomainen synteesipyyntö tts-työkalulla toimii edelleen.

Yksittäisessä keskustelussa agentti voi keskustelukumppanin pyynnöstä ohittaa nämä arvot työkaluilla voice_preferences (lue voimassa olevat arvot) ja set_voice_preferences (aseta auto, max_chars, summarize; tyhjä olio palauttaa instanssin oletukset). Kirjoittaa voi vain keskustelun osallistuja. Puheulostulo ottaa käyttöön vasta yhdyskäytävän käynnistyksen jälkeen liitetyn tarjoajan ja huomioi kyseisen käyttäjän asetukset.

Minne seuraavaksi