AiHummer
Lietuvių▾
PrisijungtiPaskyra
v1.3.x▾
v1.3.xstablev1.2.xstablev1.1.xstablev1.0.xstable
{ }Swagger
Balsas/Kalba į vidų ir išorę (STT / TTS)

Kalba į vidų ir išorę (STT / TTS)

v1.3.x · atnaujinta 2026-09-15

AiHummer rankenos kalba į dėžutę ir kalba iš dėžutės — nereikia mokamos kalbos API. Gaunamas garso įrašas transkribuojamas (STT), tekstas valdo įprastą agento atsakymą, o atsakymas ištariamas atgal (TTS). Abu varikliai yra nemokamas ir vietinis ir paleisti kaip šoninės transporto priemonės: faster-whisper transkripcijai ir edge-tts sintezei.

Kaip veikia balso keitimas

Balso perėjimas yra įprastas agento perėjimas, kai abiejose pusėse yra garsas:

  1. Šliuzas siunčia gaunamą garso signalą į STT šoninė karieta (:8001, faster-whisper) ir gauna atgal tekstą.
  2. Tas tekstas skatina įprastą funkcijų kvietimo eigą — tas pats maršrutizatorius, režisierius, įrankiai ir atmintis kaip tekstinė žinutė.
  3. Atsakymo tekstas siunčiamas adresatui TTS pagalbinė programa (:8002, edge-tts) ir kalbėta garso įrašas grąžinamas skambinančiajam.

Tai pateikiama kaip vienas galinis taškas, POST /v1/voice/turn, taigi kanalas ar klientas gali perduoti garsą ir gauti garsą neprivalėdamas pats koordinuoti žingsnių.

Galiniai taškai

Metodas Galinis taškas Tikslas
POST /v1/voice/turn Garsas į → agento veiksmas → garsas iš
GET /v1/voice/config Dabartinė balso konfigūracija (varikliai, reguliavimo rankenėlės) 
POST /v1/voice/turn HTTP/1.1
Host: localhost:8780
Content-Type: application/json

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

[!NOTE] Kalbos ypatybės yra dalis branduolys — jie nėra susieti su SIP įskiepiu. SIP kanalas naudoja šiuos pačius STT/TTS variklius savo local variklis, bet balsas į/iš veikia bet kuriam klientui, kuris skambina /v1/voice/turn.

Balso šoninės transporto priemonės

Uostas Šoninė priekaba Variklis Vaidmuo Sujungtas laidais
8001 STT greitesnis-šnipas kalba → tekstas AIHUMMER_STT_URL
8002 TTS edge-tts tekstas → kalba AIHUMMER_TTS_URL

Abu varikliai yra nemokami ir vietiniai: niekas nėra siunčiama mokamam balso paslaugų teikėjui. Kaip ir su kiekvienu šalutiniu įrenginiu, prieigos taškas juos pasiekia pagal URL, todėl galite juos vykdyti šalia vartų ar nurodyti bendrą instanciją.

Laidų instaliacija

Svečio-vietinis diegėjas nustato jums STT ir TTS URL adresus. Jie yra katalogo nustatymai — pakeiskite juos per administratoriaus sąsają (Valdymas → Nustatymai) arba su aihummer settings set; gateway.env yra tik bootstrap ir ignoruojamas šiems:

# 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] Kadangi kiekvienas šalutinis vežimėlis yra tik URL, kelios vartai gali dalytis vienu STT/TTS pavyzdys. Centralizuokite sunkesnes kalbos paslaugas vietoj to, kad paleistumėte kopiją kiekvienai šeimininkas.

Garso kelio derinimas

Balso kokybės rankenėlės gyvena Medija · Balsas nustatymų grupė ir gali būti konfigūruojama per žiniatinklio administravimo sąsają — perkrovimo neprireikia. Jie apima realaus laiko garso kelią:

Rankena Kuo jis valdo
Dupleksas Pilnas duplexas (klauso kalbėdamas) vs pusinis duplexas
AEC Akustinio aidų šalinimas
Triukšmo slopinimas Filtruoja foninį triukšmą prieš STT
AGC Automatinė stiprinimo kontrolė (lygio normalizavimas)
VAD ribinė reikšmė Balso veiklos aptikimo jautrumas
Įsibrauti Leiskite skambinančiajam pertraukti agentą viduryje atsakymo

GET /v1/voice/config grąžina veiksmingą konfigūraciją, kad klientas galėtų sužinoti apie aktyvius variklius ir šiuos nustatymus.

Automatiniai balso atsakymai

Kada įgarsinti paruoštą atsakymą, sprendžia trys grupės „Media · Voice“ nustatymai (žiniatinklio sąsaja → Valdymas → Nustatymai):

Nustatymas Raktas Reikšmės
Automatiniai balso atsakymai AIHUMMER_TTS_AUTO_REPLY off — niekada; always — visada; inbound (numatytoji) — tik atsakant į įeinantį garsą; tagged — pagal aiškią agento balso žymą
Skaitomo teksto simbolių riba AIHUMMER_TTS_MAX_CHARS 0 (numatytoji) — įgarsinti visą atsakymą; 100–10000 — įgarsinamo teksto riba
Ilgų balso atsakymų santrauka AIHUMMER_TTS_SUMMARIZE pagal numatytuosius nustatymus įjungta: ilgą atsakymą modelis sutrumpina iki ribos; jei modelis nepasiekiamas, skaitoma teksto pradžia

Pilnas atsakymo tekstas bet kuriuo režimu lieka pokalbio istorijoje. off išjungia tik automatinį įgarsinimą — aiški sintezės užklausa per įrankį tts veikia kaip anksčiau.

Atskiram pokalbiui agentas pašnekovo prašymu gali perrašyti šias reikšmes įrankiais voice_preferences (perskaityti galiojančias) ir set_voice_preferences (nustatyti auto, max_chars, summarize; tuščias objektas grąžina egzemplioriaus numatytąsias reikšmes). Rašyti gali tik pokalbio dalyvis. Balso išvestis pagauna tiekėją, prijungtą jau po tinklų sietuvo paleidimo, ir atsižvelgia į konkretaus naudotojo nustatymus.

Kur toliau