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.
[!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.
Sidecarlar nähili sim baglanyşdyrylýar we paýlaşylýar:
Sidecarlar.
[Söz girişi we çykyşy](/en/v1.0/voice/stt-tts) 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](/en/v1.0/architecture/sidecars) 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.
```ini
# 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
- Adaty söz ýoly:
[Söz girişi we çykyşy](/en/v1.0/voice/stt-tts).
- Sidecarlar nähili sim baglanyşdyrylýar we paýlaşylýar:
[Sidecarlar](/en/v1.0/architecture/sidecars).