AiHummer
Oʻzbekcha▾
Kirish
v1.0.x▾
v1.0.xstable
{ }Swagger
Ovoz/Nutq kirish va chiqish (STT / TTS)

Nutq kirish va chiqish (STT / TTS)

v1.0.x · yangilandi 2026-06-26

AiHummer nutq kirishi va nutq chiqishini quticha ichida boshqaradi — pullik nutq API’si talab qilinmaydi. Kiruvchi audio klip transkripsiya qilinadi (STT), matn oddiy agent turnini boshqaradi va javob gapirib qaytariladi (TTS). Har ikkala dvigatel bepul va lokal boʻlib, sidecar’lar sifatida ishlaydi: transkripsiya uchun faster-whisper va sintez uchun edge-tts.

Ovozli turn qanday ishlaydi

Ovozli turn — ikki uchida audio boʻlgan oddiy agent turni:

  1. Gateway kiruvchi audioni STT sidecar’iga (:8001, faster-whisper) yuboradi va matnni qaytarib oladi.
  2. Bu matn odatdagi funksiya-chaqiruvchi turnni boshqaradi — matnli xabar kabi xuddi shu router, orkestrator, asboblar va xotira.
  3. Javob matni TTS sidecar’iga (:8002, edge-tts) yuboriladi va gapirilgan audio chaqiruvchiga qaytariladi.

Bu yagona nuqta, POST /v1/voice/turn sifatida ochiladi, shunda kanal yoki mijoz bosqichlarni oʻzi orkestratsiya qilmasdan audioni topshiradi va audio oladi.

Nuqtalar

Usul Nuqta Maqsad
POST /v1/voice/turn Audio kirish → agent turni → audio chiqish
GET /v1/voice/config Joriy ovoz konfiguratsiyasi (dvigatellar, sozlash tugmalari) 
POST /v1/voice/turn HTTP/1.1
Host: localhost:8780
Content-Type: application/json

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

[!NOTE] Nutq xususiyatlari core’ning bir qismidir — ular SIP pluginiga bogʻlanmagan. SIP kanali oʻzining local dvigateli uchun xuddi shu STT/TTS dvigatellaridan foydalanadi, lekin ovoz kirish/chiqish /v1/voice/turn ni chaqiradigan har qanday mijoz uchun ishlaydi.

Ovoz sidecar’lari

Port Sidecar Dvigatel Roli Ulanadi
8001 STT faster-whisper nutq → matn AIHUMMER_STT_URL
8002 TTS edge-tts matn → nutq AIHUMMER_TTS_URL

Har ikkala dvigatel bepul va lokal: hech narsa pullik nutq sotuvchisiga yuborilmaydi. Har bir sidecar kabi, gateway ularga URL orqali murojaat qiladi, shu sababli ularni gateway yonida ishlatishingiz yoki umumiy instansga yoʻnaltirishingiz mumkin.

Ulash

Host-native oʻrnatuvchi STT va TTS URL’larini siz uchun oʻrnatadi. Oʻzgaruvchilar:

# gateway.env — voice in/out (auto-set by the installer)
AIHUMMER_STT_URL=http://127.0.0.1:8001
AIHUMMER_TTS_URL=http://127.0.0.1:8002

[!TIP] Har bir sidecar shunchaki URL boʻlgani uchun, bir nechta gateway bitta STT/TTS instansini ulashishi mumkin. Har bir host uchun nusxa ishlatish oʻrniga ogʻirroq nutq xizmatlarini markazlashtiring.

Audio yoʻlini sozlash

Ovoz sifati tugmalari “Media · Voice” sozlamalar guruhida yashaydi va web admin UI’dan sozlanadi — qayta joylashtirish kerak emas. Ular real vaqt audio yoʻlini qamrab oladi:

Tugma U nimani boshqaradi
Duplex Toʻliq-dupleks (gapirayotganda tinglash) yoki yarim-dupleks
AEC Akustik aks-sado bekor qilish
Shovqinni bostirish STT’dan oldin fon shovqinini filtrlaydi
AGC Avtomatik kuchaytirish boshqaruvi (daraja normallashtirish)
VAD chegarasi Ovoz-faolligini aniqlash sezgirligi
Barge-in Chaqiruvchiga javob oʻrtasida agentni boʻlishga ruxsat berish

GET /v1/voice/config amaldagi konfiguratsiyani qaytaradi, shunda mijoz faol dvigatellar va ushbu sozlamalarni aniqlay oladi.

Keyingi qadam qayerda