Դիարիզացիա, թարգմանություն, կլոնավորում և վիդեո

# gateway.env — optional voice/video sidecars
AIHUMMER_DIARIZE_URL=http://127.0.0.1:8003
AIHUMMER_VOICECLONE_URL=http://127.0.0.1:8004
AIHUMMER_VIDEO_URL=http://127.0.0.1:8005

Բացի [խոսքի մուտքից և ելքից](/hy/v1.0/voice/stt-tts), AiHummer-ն առաջարկում է չորս լրացուցիչ, ընտրովի-միացվող մեդիա հնարավորություն. **խոսողի դիարիզացիա**, **խոսքի թարգմանություն**, **ձայնի կլոնավորում** և **վիդեոյի ըմբռնում**։ Յուրաքանչյուրը աշխատում է **offline անվճար/լոկալ շարժիչների վրա**՝ որպես URL-ով հասանելի [sidecar](/hy/v1.0/architecture/sidecars)։ > [!NOTE] > Սրանք **core / sidecar հատկություններ են**, ոչ թե SIP հատկություններ։ Ինքնին > SIP ալիքն աջակցում է միայն STT, TTS, barge-in, DTMF և ձայնագրում — դիարիզացիան, > թարգմանությունը և ձայնի կլոնավորումը պատկանում են core ձայնին, բացահայտված են > `/v1/voice/*`-ում։ ## Խոսողի դիարիզացիա Դիարիզացիան պատասխանում է «ով երբ խոսեց» հարցին բազմաթիվ խոսողներով աուդիո հատվածում։ Այն աշխատեցնում է **pyannote `speaker-diarization-3.1`**, offline, diarize sidecar-ում։ | Տարր | Արժեք | |---|---| | Շարժիչ | pyannote `speaker-diarization-3.1` (offline) | | Sidecar port | `:8003` | | Endpoint | `POST /v1/voice/diarize` | | Միացված է | `AIHUMMER_DIARIZE_URL` | ## Խոսքի թարգմանություն Թարգմանությունը փոխակերպում է խոսքը (կամ դրա սղագրությունը) մի լեզվից մյուսը, որպեսզի agent-ը կարողանա սպասարկել զանգահարողներին տարբեր լեզուներով։ | Տարր | Արժեք | |---|---| | Endpoint | `POST /v1/voice/translate` | ## Ձայնի կլոնավորում Ձայնի կլոնավորումը սինթեզում է խոսք թիրախային ձայնով։ Այն աշխատեցնում է **OpenVoice V2 with MeloTTS** — offline և **MIT-արտոնագրված** — voiceclone sidecar-ում։ | Տարր | Արժեք | |---|---| | Շարժիչ | OpenVoice V2 + MeloTTS (offline, MIT) | | Sidecar port | `:8004` | | Endpoint | `POST /v1/voice/clone` | | Միացված է | `AIHUMMER_VOICECLONE_URL` | ## Վիդեոյի ըմբռնում Վիդեոյի ըմբռնումը արդյունահանում է, թե ինչ է պարունակում հատվածը՝ ապամուլտիպլեքսելով աուդիոն և նմուշառելով keyframe-ները **ffmpeg**-ով — այս sidecar-ում **չկա ML մոդել**. այն պատրաստում է աուդիոն և frame-երը agent-ի turn-ի համար։ | Տարր | Արժեք | |---|---| | Հիմնված է | ffmpeg (demux + keyframes, no ML) | | Sidecar port | `:8005` | | Endpoint | `POST /v1/video/understand` | | Միացված է | `AIHUMMER_VIDEO_URL` | ## Միացում Յուրաքանչյուր հնարավորություն ակտիվ է միայն այն ժամանակ, երբ դրա sidecar URL-ը սահմանված է։ Host-native տեղադրիչը կարող է մատակարարել սրանք, կամ կարող եք դրանք ուղղորդել դեպի instance-ներ, որոնք արդեն աշխատեցնում եք։ ```ini # gateway.env — optional voice/video sidecars AIHUMMER_DIARIZE_URL=http://127.0.0.1:8003 AIHUMMER_VOICECLONE_URL=http://127.0.0.1:8004 AIHUMMER_VIDEO_URL=http://127.0.0.1:8005 ``` > [!TIP] > Այս sidecar-ները անկախ են — միացրեք միայն այն, ինչ ձեզ պետք է։ Տեղակայումը, > որը պարզապես կարիք ունի սղագրման և սինթեզի, կարող է աշխատեցնել STT/TTS > զույգը միայնակ և թողնել diarize, voiceclone և video-ն չկարգավորված։ ## Ուր հաջորդիվ - Լռելյայն խոսքի ուղին. [Խոսքի մուտք և ելք](/hy/v1.0/voice/stt-tts)։ - Ինչպես են sidecar-ները միացվում և կիսվում. [Sidecar-ներ](/hy/v1.0/architecture/sidecars)։