واجهة Realtime HTTP
عمليات HTTP مباشرة لوحدة Fast المكتملة والصوت الذي ما زال يصل وتمييز المتحدثين وتسجيل بروتوكول TTS.
استخدم نقاط النهاية هذه عندما يلائم HTTP المتدفق بيئة التشغيل أكثر من Socket.IO. اختر نقطة النهاية من حالة الإدخال، وليس من زمن الاستجابة المطلوب فقط.
لـHTTP المباشرة فقط
0.18.0 بروتوكول Socket.IO والمسار /socket.io افتراضيًا؛ ولا تستدعي هذه المسارات. استخدم هذا القسم عند تنفيذ عميل HTTP مباشرة.اختر نقطة نهاية
| نقطة النهاية | عقد الإدخال | اخترها من أجل |
|---|---|---|
Fast · /http/stt | وحدة صوت واحدة مكتملة ومحدودة | دور وكيل مكتمل أو أمر صوتي أو عبارة حوارية قصيرة |
Realtime ASR · /http/stt-stream | مقطع مؤطر واحد من صوت ما زال يصل | نسخ حي مع تحديثات ASR جزئية ونهائية |
Realtime diarization · /http/diarization-stream | مقطع مؤطر واحد من صوت ما زال يصل | مقاطع متحدثين متزايدة لتدفق حي |
TTS · /http/tts | طلب JSON واحد وتسجيل ثنائي بلا فواصل | فحص البروتوكول المباشر؛ واستخدام TTS عبر SDK للصوت القابل للتشغيل |
Fast ليس مسار التسجيلات الطويلة
الاتصال والمصادقة
ابنِ الطلبات من API_URL المخصص مضافًا إليه المسار الأساسي /realtime. أرسل x-api-key من خادم موثوق. يحتاج المفتاح أيضًا إلى القدرة المخصصة: ASR الفوري لـFast وASR الحي، أو diarization للتمييز الحي، أو TTS للتوليف. تختلف أجسام الطلب: multipart لـFast، وثنائي مؤطر لـASR الحي وتمييز المتحدثين، وJSON لـTTS.
export API_URL="https://api.voice.humain.com"
export API_KEY="YOUR_API_KEY"العمليات
POST · النسخ السريع
ارفع وحدة صوت مكتملة ومحدودة واستهلك أحداث النسخ المتدفقة.
POST · Realtime ASR
أرسل مقطع صوت حي مؤطرًا واحدًا واستهلك ناتج ASR الجزئي أو النهائي.
POST · تمييز المتحدثين الفوري
أرسل مقطع صوت حي مؤطرًا واحدًا واستهلك مقاطع المتحدثين المتزايدة.
POST · تحويل النص إلى كلام
التقط بروتوكول الخدمة بلا فواصل بتردد 16 kHz؛ واستخدم TTS عبر SDK عندما تحتاج صوتًا قابلاً للتشغيل.
ملاحظات الإنتاج
- لطلبات الثنائي الحية، استخدم UUID واحدًا للتدفق عبر المقاطع واضبط علمي البداية والنهاية عند حدود دورة الحياة فقط.
- يجب أن يكون إدخال
PCM16أحادي القناة بتردد 16 kHz وترتيب little-endian، وأن يحتوي على عدد زوجي من بايتات الصوت بعد ترويسة التحكم. - أرسل طلب POST واحدًا لكل مقطع حي مؤطر. قد تحتوي استجابة
200على صفر أو أكثر من سجلات NDJSON. لا تثبت الاكتمال إلا بعد سجل يحملis_final: true؛ فلا يثبته علم النهاية في الطلب ولا انتهاء استجابة HTTP. - في تمييز المتحدثين، لا تُبقِ أكثر من طلب POST واحد قيد التنفيذ لكل UUID، وأغلق كل استجابة قبل إرسال الإطار التالي. قد يفقد التداخل للـUUID نفسه ملكية الاستجابة.
- تعامل مع النصوص الجزئية كحالة عرض قابلة للاستبدال، ومع النصوص النهائية كناتج مثبت. لا تستنتج الترتيب من قيمة
seqالمعتمة. - تحتوي إطارات خدمة TTS عبر HTTP على UUID وعلم نهاية وحمولة
PCM16، لكن بلا طول للحمولة أو فاصل. لا تستطيع حدود قراءة HTTP العامة استعادة الإطارات بثقة؛ فضّل TTS عبر Socket.IO في SDK ووصفة TTS إلى WAV ما لم تملك بيئة التشغيل آلية تأطير صريحة.