CRM_Montzar/apps/stt/README.md

Montact STT (Pipecat — Whisper محلی)

تبدیل صوت به متن — فقط STT. بدون TTS، بدون مکالمهٔ صوتی، بدون GapGPT.

از Pipecat سرویس WhisperSTTService استفاده می‌شود؛ مدل Faster-Whisper روی همین سرور اجرا می‌شود و کلید ابری لازم نیست.

لوکال (ویندوز)

Python 3.11+ و ترجیحاً ffmpeg در PATH.

cd apps/stt
py -3.11 -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
copy .env.example .env

uvicorn main:app --host 127.0.0.1 --port 3040

در apps/api/.env:

STT_ENABLED=true
STT_URL=http://127.0.0.1:3040
STT_INTERNAL_TOKEN=

تنظیمات apps/stt/.env

کلید	پیش‌فرض	توضیح
STT_MODEL	small	tiny / base / small / medium (فارسی: حداقل small)
STT_DEVICE	cpu	یا cuda اگر GPU دارید
STT_COMPUTE_TYPE	int8	برای CPU؛ روی GPU معمولاً float16
STT_PROMPT	متن فارسی فروش	راهنمای املا/اصطلاحات
STT_INTERNAL_TOKEN	خالی	اگر پر شود باید با API یکی باشد

دیگر به OPENAI_API_KEY / GapGPT برای دیکته نیاز نیست.

اولین اجرا مدل را از Hugging Face دانلود می‌کند (چند صد مگابایت تا چند گیگ و بسته به مدل).

سرور

cd /var/www/crm/apps/stt
source .venv/bin/activate   # یا مسیر venv فعلی
pip install -r requirements.txt
# OPENAI_* را از .env بردارید یا نادیده بگیرید
pm2 restart mento-stt

اگر RAM کم است، STT_MODEL=base یا tiny بگذارید.