AiHummer
Türkmençe
Gir
v1.0.x
{ }Swagger

Diarizasiýa, terjime, klonlamak we wideo

v1.0.x · täzelendi 2026-06-26

Söz girişi we çykyşy bilen birlikde, AiHummer dört goşmaça, islege görä media mümkinçiligini hödürleýär: gepleýji diarizasiýasy, söz terjimesi, ses klonlamak we wideo düşünmek. Olaryň her biri URL arkaly elýeterli sidecar hökmünde mugt/lokal hereketlendirijilerde oflaýn işleýär.

[!NOTE] Bular core / sidecar aýratynlyklarydyr, SIP aýratynlyklary däl. SIP kanalynyň özi diňe STT, TTS, barge-in, DTMF we ýazgyny goldaýar — diarizasiýa, terjime we ses klonlamak /v1/voice/*-da açylan core ses degişlidir.

Gepleýji diarizasiýasy

Diarizasiýa birnäçe gepleýjili audio klipde “kim haçan gepledi” diýen soraga jogap berýär. Ol diarize sidecarynda oflaýn pyannote speaker-diarization-3.1 işledýär.

Element Gymmat
Hereketlendiriji pyannote speaker-diarization-3.1 (oflaýn)
Sidecar porty :8003
Ahyrlyk POST /v1/voice/diarize
Sim baglanyşdyrylýar AIHUMMER_DIARIZE_URL

Söz terjimesi

Terjime sözi (ýa-da onuň transkriptini) bir dilden başgasyna öwürýär, şeýdip agent dillerde jaň edýänlere hyzmat edip bilýär.

Element Gymmat
Ahyrlyk POST /v1/voice/translate

Ses klonlamak

Ses klonlamak nyşana sesinde söz sintezleýär. Ol voiceclone sidecarynda OpenVoice V2 we MeloTTS — oflaýn we MIT-ygtyýarnamaly — işledýär.

Element Gymmat
Hereketlendiriji OpenVoice V2 + MeloTTS (oflaýn, MIT)
Sidecar porty :8004
Ahyrlyk POST /v1/voice/clone
Sim baglanyşdyrylýar AIHUMMER_VOICECLONE_URL

Wideo düşünmek

Wideo düşünmek ffmpeg bilen audiony demuks edip we esasy kadrlary nusgalandyryp klipiň näme saklaýandygyny çykarýar — bu sidecarda ML model ýok; ol agent turny üçin audiony we kadrlary taýýarlaýar.

Element Gymmat
Esaslanýar ffmpeg (demuks + esasy kadrlar, ML ýok)
Sidecar porty :8005
Ahyrlyk POST /v1/video/understand
Sim baglanyşdyrylýar AIHUMMER_VIDEO_URL

Sim baglanyşdyrmak

Her mümkinçilik diňe onuň sidecar URL-y sazlananda işjeňdir. Host-natiw gurnaýjy bularyň üpjün edip biler, ýa-da siz olary eýýäm işledýän instanslaryňa ugrukdyryp bilersiňiz.

# 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] Bu sidecarlar garaşsyzdyr — diňe mätäçleriňi işjeňleşdir. Diňe transkripsiýa we sintezi mätäç gurnama STT/TTS jübütini ýeke işledip, diarize, voiceclone we wideony sazlanmadyk goýup biler.

Indiki ädim