AiHummer
Svenska▾
Logga inKonto
v1.0.x▾
v1.2.xstablev1.1.xstablev1.0.xstable
{ }Swagger
Röst/Tal in och ut (STT / TTS)

Tal in och ut (STT / TTS)

v1.0.x · uppdaterad 2026-07-05

AiHummer hanterar tal in och tal ut ur lådan — inget betalt tal-API krävs. Ett inkommande ljudklipp transkriberas (STT), texten styr en vanlig agentomgång, och svaret talas tillbaka (TTS). Båda motorerna är gratis och lokal och kör som sidvagnar: faster-whisper för transkribering och edge-tts för syntes.

Hur en röstomvandlare fungerar

En röstvändning är en normal agentvändning med ljud på båda ändarna:

  1. Gatewayen skickar den inkommande ljudet till STT sidovagn (:8001, faster-whisper) och får tillbaka text.
  2. Den texten driver det vanliga funktionsanropsvarvet — samma router, orkestrator, verktyg och minne som ett textmeddelande.
  3. Svarstexten skickas till TTS sidovagn (:8002, edge-tts) och den talet ljud returneras till uppringaren.

Detta exponeras som en enda slutpunkt, POST /v1/voice/turn, så att en kanal eller klient kan överlämna ljud och ta emot ljud utan att själv orkestrera stegen.

Slutpunkterna

Metod Slutpunkt Syfte
POST /v1/voice/turn Ljud in → agentens tur → ljud ut
GET /v1/voice/config Nuvarande röstkonfiguration (motorer, justeringsknappar) 
POST /v1/voice/turn HTTP/1.1
Host: localhost:8780
Content-Type: application/json

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

[!NOTE] Taldrag är en del av kärna — de är inte bundna till SIP-pluginen. Den SIP-kanal använder dessa samma STT/TTS-motorer för sin local motor, men röst in/ut fungerar för vilken klient som helst som ringer /v1/voice/turn.

Röstsidovagnar

Port Sidvagn Motor Roll Uppkopplad med
8001 STT snabbare-viskning tal → text AIHUMMER_STT_URL
8002 TTS edge-tts text → tal AIHUMMER_TTS_URL

Båda motorerna är gratis och lokala: inget skickas till en betald talleverantör. Som med varje sidovagn når gatewayen dem via URL, så att du kan köra dem intill gatewayen eller på en delad instans.

Kablar

Den värd-nativa installatören ställer in STT- och TTS-URL:erna åt dig. De är kataloginställningar — ändra dem från administratörsgränssnittet (Administration → Inställningar) eller med aihummer settings set; gateway.env är endast bootstrap och ignoreras för dessa:

# 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] Eftersom varje sidvagn bara är en URL kan flera gateways dela en STT/TTS Exempel. Centralisera de tyngre taljänsterna istället för att köra en kopia per värd.

Justera ljudvägen

Röstkvalitetskontroller bor i Media · Röst inställningsgrupp och kan konfigureras från webbadmingränssnittet — ingen ominstallation behövs. De täcker den realtids ljudvägen:

Knopp Vad det kontrollerar
Dubbelsidig Full-duplex (lyssna medan du talar) vs halv-duplex
AEC Akustisk ekokansellering
Brusreducering Filtrerar bakgrundsljud innan STT
AGC Automatisk förstärkningskontroll (nivånormalisering)
VAD tröskel Röstaktivitetsdetektionskänslighet
Avbryta Låt uppringaren avbryta agenten mitt i svaret

GET /v1/voice/config returnerar den faktiska konfigurationen så att en klient kan upptäcka de aktiva motorerna och dessa inställningar.

Vart härnäst