AiHummer
Кыргызча▾
КирүүЖеке кабинет
v1.1.x▾
v1.2.xstablev1.1.xstablev1.0.xstable
{ }Swagger
Үн/Сүйлөө киргизүү жана чыгаруу (STT / TTS)

Сүйлөө киргизүү жана чыгаруу (STT / TTS)

v1.1.x · жаңыланды 2026-07-05

AiHummer туткалары кутудан үн киргизүү жана үн чыгаруу — акы төлөнүүчү сүйлөм API кереги жок. Кирген аудио клип транскрипцияланат (STT), текст кадимки агенттин кезегин тейлейт, жана жооп кайрадан сүйлөнөт (TTS). Эки кыймылдаткыч тең эркин жана жергиликтүү жана катары иштөө чогултма мотоциклдер: транскрипция үчүн faster-whisper жана синтез үчүн edge-tts.

Голос кантип өзгөрөт

Үн бурмасы – эки жакта үнү күйгүзүлгөн кадимки агенттин бурмасы:

  1. Ворота келген аудиону жиберет STT сайдкар (:8001, faster-whisper) жана текстти кайта алат.
  2. Бул текст кадимки функция чакыруу айланасын баштайт — ошол эле роутер, оркестратор, куралдар жана эскертмелер тексттик билдирүү катары.
  3. Жооп текст жиберилет TTS сайдкар (:8002, edge-tts) жана айтылган үн кайра чалган адамга берилет.

Бул бир гана түйүндүү чекит катары көрсөтүлгөн, POST /v1/voice/turn, ошондуктан канал же кардар үндү өткөрүп берип, үнү алууну өз алдынча уюштурбастан жасай алат.

Аяк чекиттери

Метод Акыркы чек Максат
POST /v1/voice/turn Аудио кирет → агент кезеги → аудио чыгат
GET /v1/voice/config Учурдагы үн конфигурациясы (двигателдер, настройка бурамалары) 
POST /v1/voice/turn HTTP/1.1
Host: localhost:8780
Content-Type: application/json

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

[!NOTE] Сүйлөө мүмкүнчүлүктөрү өзөктүн бөлүгү жана SIP плагинине байланган эмес. SIP каналы анын үчүн ушул эле STT/TTS моторлорун колдонот local двигатель, бирок үн үн киргизүү/чыгаруу /v1/voice/turn чакырган бардык кардарларда иштейт.

Добуш тарапкы унаалар

Порт Сайдкар Мотор Рөл Сым менен туташтырылган
8001 СТТ тезирээк-сөйлөө сөйлөм → текст AIHUMMER_STT_URL
8002 TTS edge-tts текст → сүйлөө AIHUMMER_TTS_URL

Эки кыймылдаткыч тең акысыз жана локалдуу: эч нерсе төлөнүүчү сүйлөм провайдерине жөнөтүлбөйт. Ар бир сайдкар сыяктуу, шлюз аларга жетет URL аркылуу, ошентип сиз аларды шлюздун жанына же жалпы колдонуудагы инстанцияга көрсөтүп иштете аласыз.

Зымдарды туташтыруу

Жергиликтүү алып баруучу орноткучу сиз үчүн STT жана TTS URL даректерин орнотуп берет. Алар каталог жөндөөлөрү — аларды админ UI аркылуу өзгөртүү (Башкаруу → Багыттоолор) же менен aihummer settings set; gateway.env бул жерде болгону bootstrap жана булар үчүн эске алынбайт:

# 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] Ар бир сайдкар болгону URL болгондуктан, бир нече шлюздор бир STT/TTSти бөлүшө алат мисал. Ар бир нускасын иштетүүнүн ордуна, оор сүйлөө кызматтарын борборлоштуруңуз мейман

Аудио жолун жөндөө

Үндүн сапаты менен башкаруучу тўмпөчөлөр жашайт Медиа · Бийик үн жөндөөлөр тобу жана веб-админ интерфейсинен конфигурациялануучу — кайра жайгаштыруу талап кылынбайт. Алар реалдуу убакыттагы аудио жолун камтыйт:

Тоголок Бул эмнеге көзөмөл кылат
Дуплекс Толук дуплекс (сөйлөп жатканда угуу) vs жарым дуплекс
AEC Акустикалык эхо жоюу
Шуууну басуу STT алдында фондук ызы-чууну сүзүп турат
AGC Автоматтык киреше башкаруу (деңгээлди нормалдаштыруу)
VAD чеги Ызы-чуу активдүүлүгүн аныктоонун сезгичтиги
Сөзгө сүзүү Чалган адам агент жооп берип жатканда анын сөзүн бузушуна жол бер

GET /v1/voice/config кардар активдүү кыймылдаткычтарды жана бул жөндөөлөрдү таба алат деп эффективдүү конфигурацияны кайтарат.

Келерки кайда