56 lines
1.8 KiB
Markdown
56 lines
1.8 KiB
Markdown
# Montact STT (Pipecat — Whisper محلی)
|
|
|
|
تبدیل صوت به متن — فقط STT. بدون TTS، بدون مکالمهٔ صوتی، **بدون GapGPT**.
|
|
|
|
از [Pipecat](https://www.pipecat.ai/) 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.
|
|
|
|
```powershell
|
|
cd apps/stt
|
|
py -3.11 -m venv .venv
|
|
.\.venv\Scripts\Activate.ps1
|
|
pip install -r requirements.txt
|
|
copy .env.example .env
|
|
```
|
|
|
|
```powershell
|
|
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
|
|
|
|
```bash
|
|
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.
|