AiHummer
中文▾
登录帐户
v1.2.x▾
v1.2.xstablev1.1.xstablev1.0.xstable
{ }Swagger
声音/语音输入输出（语音转文本 / 文本转语音）

语音输入输出（语音转文本 / 文本转语音）

v1.2.x · 已更新 2026-07-05

AiHummer 车把手 箱内的语音输入和语音输出 — 无需付费的语音 API。传入的音频片段会被转录（STT），文本驱动正常的代理回合，答案会被语音输出（TTS）。两个引擎都 免费且本地 并作为 边车: 使用 faster-whisper 进行转录，使用 edge-tts 进行合成。

声音转换是如何工作的

语音通话是指双方都有音频的普通代理通话：

  1. 网关将入站音频发送到 STT 辅助容器 (:8001, faster-whisper) 并返回文本。
  2. 该文本驱动了通常的函数调用回合——相同的路由器，协调器， 将工具和记忆作为短信。
  3. 回复文本已发送到 TTS 辅助程序 (:8002，edge-tts）和 口语音频会返回给呼叫者。

这是作为单一端点暴露的， POST /v1/voice/turn因此，通道或客户端可以传递音频并接收音频，而无需自行协调步骤。

端点

方法 终端 目的
POST /v1/voice/turn 音频输入 → 代理回合 → 音频输出
GET /v1/voice/config 当前语音配置（引擎、调节旋钮） 
POST /v1/voice/turn HTTP/1.1
Host: localhost:8780
Content-Type: application/json

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

[!NOTE] 语音特征是……的一部分 核心 — 它们不绑定到 SIP 插件。 SIP 通道为其使用相同的 STT/TTS 引擎 local 引擎，但声音 对于任何调用的客户端，进/出均可使用 /v1/voice/turn.

语音边车

港口 边车 发动机 角色 连接有
8001 语音转文字 更快的耳语 语音 → 文本 AIHUMMER_STT_URL
8002 文字转语音 edge-tts 文本 → 语音 AIHUMMER_TTS_URL

两个引擎都是免费的并且是本地的：没有任何数据发送给付费语音供应商。和每个旁路一样，网关可以访问它们 通过 URL，这样你就可以在网关旁运行它们，或者指向一个共享实例。

布线

本地主机安装程序会为您设置STT和TTS的URL。它们是 目录设置 — 从管理员界面更改它们 (管理 → 设置) 或者与 aihummer settings set; gateway.env 仅适用于 Bootstrap，并在以下情况下被忽略：

# 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] 因为每个边车只是一个 URL，多个网关可以共享一个 STT/TTS 例子。集中较重的语音服务，而不是为每个副本运行一份 主持人。

调节音频路径

音质调节旋钮位于 媒体 · 声音 设置组，可以从网页管理员界面配置——无需重新部署。它们涵盖实时音频路径：

旋钮 它控制什么
双工 全双工（边说边听）与半双工
建筑工程与施工 声学回声消除
噪声抑制 在语音转文字之前过滤背景噪音
自动增益控制 自动增益控制（电平归一化）
VAD 阈值 语音活动检测灵敏度
打断 让呼叫者在代理回答中途打断

GET /v1/voice/config 返回有效的配置，以便客户端能够发现活动的引擎及其设置。

接下来去哪儿