Traducere vorbită și video

audio in ─▶ STT ─▶ translate (LLM) ─▶ TTS ─▶ audio out

POST /v1/voice/translate?target=en HTTP/1.1
Host: localhost:8780
Content-Type: audio/ogg

<binary audio>

# Optional video sidecar
aihummer settings set AIHUMMER_VIDEO_URL http://127.0.0.1:8005

Dincolo de [vorbire în și afară](/ro/v1.0/voice/stt-tts), AiHummer oferă două funcționalități media suplimentare: **traducere a discursului** și **înțelegerea videoclipului**. Ambele funcționează pe **motoare gratuite/locale**: traducerea este realizată din partea STT/TTS și LLM-ul pe care îl ai deja, în timp ce videoclipul rulează ca entitate separată [sidecar](/ro/v1.0/architecture/sidecars) accesat prin URL. > [!NOTE] > Diarizarea vorbitorului și clonarea vocii sunt **nu** parte din produs — acelea > capacitățile au fost eliminate. Dacă le-ai văzut în materialele mai vechi, nu planifica > în jurul lor: stiva de voce este STT, TTS, schimbul de voce (`/v1/voice/turn`), > traducerea vorbirii și înțelegerea videoclipurilor. ## Traducere a discursului Traducerea discursului transformă audio-ul într-o limbă în audio vorbit într-o altă limbă, astfel încât un agent să poată deservi apelanți care vorbesc diferite limbi. Este un **conducta de traducere pură fără schimbare de agent**: audio-ul de intrare este transcris (STT), textul este tradus cu o completare LLM într-o singură încercare, iar traducerea este redată oral (TTS). ```text audio in ─▶ STT ─▶ translate (LLM) ─▶ TTS ─▶ audio out ``` Nu este nevoie de un sidecar suplimentar: pipeline-ul folosește aceleași sidecar-uri gratuite/locale ca și vocea - faster-whisper`:8001`) și edge-tts (`:8002`) — plus furnizorul dvs. configurat de LLM. | Articol | Valoare | |---|---| | Punct final | `POST /v1/voice/translate?target=<lang>` | | `target` parametru | Limba țintă (BCP-47 sau numele unei limbi simple); **necesar** | | Intrare | Audio în corpul cererii (`Content-Type`, implicit la `audio/ogg`) | | Ieșire | Audio tradus (`audio/mpeg`) | | Antetele răspunsului | `X-Voice-Transcript` — text sursă, `X-Voice-Reply` — traducerea | | Necesită | Furnizor STT, TTS și LLM configurat | ```http POST /v1/voice/translate?target=en HTTP/1.1 Host: localhost:8780 Content-Type: audio/ogg <binary audio> ``` ## Întelegerea videoclipului Înțelegerea videoclipului extrage ceea ce conține un clip prin demuxarea audio și eșantionarea cadrelor cheie cu **ffmpeg** — există **niciun model ML** în acest sidecar; pregătește audio și cadre pentru runda agentului. | Articol | Valoare | |---|---| | Susținut de | ffmpeg (demux + cadre cheie, fără ML) | | Port sidecar | `:8005` | | Punct final | `POST /v1/video/understand` | | Conectat cu cablu | `AIHUMMER_VIDEO_URL` | ## Încărcare cabluri Traducerea vorbirii nu necesită o variabilă dedicată: este activă odată ce STT, TTS și un furnizor LLM sunt configurate. Înțelegerea videoclipului este activată prin URL-ul său sidecar — a **setare catalog** setezi din interfața de administrare (**Management → Setări**) sau cu `aihummer settings set` (`gateway.env` este doar pentru bootstrap și este ignorat pentru acesta); instalatorul nativ al gazdei îl poate provisiona sau poate indica către o instanță pe care o rulezi deja. ```bash # Optional video sidecar aihummer settings set AIHUMMER_VIDEO_URL http://127.0.0.1:8005 ``` > [!TIP] > Capabilitățile sunt independente — activează doar pe cele de care ai nevoie. O implementare > care doar necesită transcriere și sinteză poate rula singur perechea STT/TTS și > lăsați video sidecar neconfigurat. ## Unde următor? - Calea implicită pentru vorbire: [Vorbit în și afară](/ro/v1.0/voice/stt-tts). - Cum sunt conectate și partajate atașurile: [Atelaje laterale](/ro/v1.0/architecture/sidecars).