AiHummer
Türkmençe▾
GirmekŞahsy kabinet
v1.3.x▾
v1.3.xstablev1.2.xstablev1.1.xstablev1.0.xstable
{ }Swagger
Ses/Ses girizmek we çykarmak (STT / TTS)

Ses girizmek we çykarmak (STT / TTS)

v1.3.x · täzelendi 2026-09-15

AiHummer tutawaçlary gutudan geplemek we gutudan eşitmek — Tölegli ses API-ä zerurlyk ýok. Gelýän ses klipi transkriptirlenýär (STT), tekst adatdaky agentiň öwrümini ilerledýär we jogap gaýtadan aýdylýar (TTS). Iki motor hem erkin we ýerli we işletmek hökmünde jäkli motosikl: transkriptiýa üçin faster-whisper we sintez üçin edge-tts.

Ses üýtgemesi nähili işleýär

Ses bilen öwrülmek, ikinji tarapyň hem sesli bolmagy bilen adaty agent öwrülmegidir:

  1. Şlýuz gelýän sesi şulara iberýär STT sajdarka (:8001, faster-whisper) we beýlek öňe tekst alýar.
  2. Şol tekst adaty funksiýany çagyrmak öwrüni batyrýar — şol bir marshrut, orkestrator, gural we ýat text habary hökmünde.
  3. Jogap teksti şanly adama iberilýär TTS ýany (:8002, edge-tts) we deşirilýän ses jaň edijiň özüne gaýtarylýar.

Bu birinji derejeli nokat hökmünde beýany öňe sürülýär, POST /v1/voice/turn, şonuň üçin bir kanal ýa-da müşderi sesi berip we sesi alyp biler, özbaşdak ädimleri guramalaşdyrman.

Ahyry noktalar

Usul Uly nokat Maksat
POST /v1/voice/turn Ses girýär → agentiniň nobaty → ses öňe çykýar
GET /v1/voice/config Häzirki ses sazlamasy (motorlar, sazlama düwmeleri) 
POST /v1/voice/turn HTTP/1.1
Host: localhost:8780
Content-Type: application/json

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

[!NOTE] Sözleýiş mümkinçilikleri ýadronyň bölegidir we SIP plaginine baglanmaýar. SIP kanaly öz öňündäki STT/TTS motorlaryny şol bir zat üçin ulanýar local motor, ýöne ses giriş/çykyş /v1/voice/turn çagyrýan islendik müşderide işleýär.

Ses ýan arabalary

Port Sidekar Motor Roł Simli
8001 STT hasapyn-düşünmek söz → tekst AIHUMMER_STT_URL
8002 TTS edge-tts tekst → ses AIHUMMER_TTS_URL

Iki motor hem mugt we ýerli: tölegli ses hyzmatyna hiç zat iberilmeýär. Her bir tarap awtobusy ýaly, gapyja olar bilen birleşýär URL boýunça, şonuň üçin olary gapyjynyň ýanynda ýa-da paýlaşylan nusganyň üstünde işledip bilersiňiz.

Simlemek

Meýdanja-özüni gurujy sazlaýjy siziň üçin STT we TTS URL-lerini kesgitleýär. Olar katalog sazlamalary — olary administrasiýa interfeýsinden üýtgediň (Dolandyryş → Sazlamalar) ýa-da bilen aihummer settings set; gateway.env diňe bootstrap üçin we bular üçin üns berilmeýär:

# 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] Sebäbi her bir sidecar diňe bir URL, birnäçe geçelgeler bir STT/TTS paýlaşyp biler mysal. Her bir nusgasy çykarmak ýerine agramly gepleşik hyzmatlaryny merkezileşdiriň myhmançylyk ediji.

Ses ýoluny sazlamak

Ses hili düwmeleriň ýaşaýan ýeri Media · Ses Sazlamalar topary bolup, web administrasiýa interfeýsinden sazlap bolýar — täzeden ýerleşdirmek talap edilmeýär. Olar real wagtly ses ýoly bilen baglanyşyklydyr:

Tutga Ol näme gözegçilik edýär
Dupleks Tutly duplex (gapyşygyňyz dowam edende diňle) vs ýarym duplex
AEC Akustiki gaýtalanmagy ýok etmek
Ses basyşyny azaltdy Sesden teksti tanamakdan öň fon sesini süzüp berýär
AGC Avtomatiki girdeji dolandyryşy (derejä deňleşdirme)
VAD çägi Ses hereketini anyklamagyň duýgurlygy
Aralyk goýmazlyk Jaň ediji ageniniň jogabynyň ortasynda garyşmagyna rugsat ber

GET /v1/voice/config netijeli sazlamany yzyna berýär, şondan klient işjeň motorlary we bu sazlamalary tapyp biler.

Awtomatiki sesli jogaplar

Taýýar jogaby haçan seslendirmelidigini „Media · Voice“ toparynyň üç sazlamasy çözýär (web-interfeýs → Dolandyryş → Sazlamalar):

Sazlama Açar Bahalar
Awtomatiki sesli jogaplar AIHUMMER_TTS_AUTO_REPLY off — hiç haçan; always — elmydama; inbound (adaty) — diňe gelýän audio jogap hökmünde; tagged — agentiň aýdyň ses belligi boýunça
Seslendirilen tekstiň nyşan çägi AIHUMMER_TTS_MAX_CHARS 0 (adaty) — doly jogaby seslendirmek; 100–10000 — seslendirilýän tekstiň çägi
Uzyn sesli jogaplary gysgaltmak AIHUMMER_TTS_SUMMARIZE adaty ýagdaýda açyk: uzyn jogap model tarapyndan çäge çenli gysgaldylýar; model elýeterli bolmasa, tekstiň başy seslenýär

Jogabyň doly teksti islendik režimde dialog taryhynda galýar. off diňe awtomatiki seslendirmegi öçürýär — tts guraly arkaly aýdyň sintez soragy öňküsi ýaly işleýär.

Aýratyn dialog üçin agent söhbetdeşiň haýyşy bilen bu bahalary voice_preferences (hereket edýänleri okamak) we set_voice_preferences (auto, max_chars, summarize kesgitlemek; boş obýekt instansyň adaty bahalaryny gaýtarýar) gurallary bilen täzeden kesgitläp bilýär. Ýazmak diňe dialogyň gatnaşyjysyna elýeterli. Ses çykyşy şlýuz işe girizilenden soň birikdirilen üpjün edijini alýar we anyk ulanyjynyň sazlamalaryny göz öňünde tutýar.

Indi nire?