음성
Anyy는 수신 **음성 텍스트 변환(STT)**과 발신 **텍스트 음성 변환(TTS)**을 분리합니다. 각각 독립적으로 구성할 수 있습니다. 음성 설정·자격 증명은 작동하는 텍스트 채팅 경로와 별개입니다.
구성과 테스트
Dashboard → Models → Voice 또는 Tools → Voice를 엽니다. TTS·STT를 고르고 API 루트·자격 증명, 발견하거나 입력한 모델, 일치 프로토콜을 설정하세요.
TTS는 음성, 응답 형식, 제한 시간, 최대 텍스트 길이, 자동 응답 동작을 정하고 오디오 미리 보기를 씁니다. STT는 언어, 제한 시간, 크기/텍스트 한도, 실패 정책을 정해 연결 테스트합니다. 카탈로그 결과만으로 실제 계정 합성·전사 성공은 증명되지 않습니다.
CLI 마법사:
anyy tools voice tts
anyy tools voice stt
음성 프로토콜
| 기능 | protocol | 요청 계약 |
|---|---|---|
| TTS | audio-speech | Audio Speech 엔드포인트 (/audio/speech) |
| TTS | chat-audio-output | 생성 오디오를 포함한 Chat Completions (/chat/completions) |
| STT | audio-transcriptions | 멀티파트 Audio Transcriptions (/audio/transcriptions) |
| STT | chat-audio-input | 오디오 입력 Chat Completions (/chat/completions) |
https://api.example.com/v1 같은 API 루트를 쓰고 /models, /audio/speech, /audio/transcriptions, /chat/completions는 넣지 마세요. 표준 음성 엔드포인트는 로컬 서버 루프백 HTTP 외에 HTTPS를 요구합니다. URL 자격 증명, 쿼리, 프래그먼트, 자격 증명 포함 리디렉션은 거부합니다.
알려진 모델 계약이 일치 프로토콜을 선택합니다. 구현 mimo-v2.5-tts는 chat-audio-output, mimo-v2.5-asr는 chat-audio-input입니다. 임의 미래 MiMo ID, 실시간 음성, 음성 복제·설계·화자 분리까지 지원한다는 뜻은 아닙니다. 전문 모델은 일반 검색에서 제외합니다. 알 수 없는 수동 모델은 명시적 유효 프로토콜과 성공 테스트가 필요합니다.
고급 프로필 구성은 이름 있는 openai/openai-compatible 또는 신뢰 로컬 command 공급자도 지원하고 TTS는 openai-chat-audio도 지원합니다. 명령 경로는 HTTP Base URL에 명령을 넣지 않고 tts.providers 또는 media_understanding.audio.providers에 구성합니다.
오디오 전사
지원 audio·voice 첨부를 전달하는 채널/입력을 쓰세요. 구성 STT가 대화 요청 전에 변환합니다. Dashboard 직접 업로드는 현재 비 PNG/JPEG를 일반 파일로 분류하므로 오디오 업로드가 STT를 자동 실행하지 않습니다. 미디어 이해를 참조하세요.
기본 정책은 전사 우선, 입력 25 MiB, 전사 12,000자, 60초입니다. annotate, ignore, fail로 전사 실패를 제어합니다. 음성 엔드포인트 최대 제한 시간은 600,000 ms입니다. 프로토콜/모델 한도는 더 작을 수 있습니다. mimo-v2.5-asr는 MP3/WAV만 받으며 base64 10,000,000바이트(원시 최대 7,500,000바이트) 제한입니다.
지원하면 언어 힌트를 보냅니다. 정확한 전사나 화자 라벨을 보장하지 않으며 잘못된 힌트는 다국어 인식에 해로울 수 있습니다.
음성 응답 생성
text_to_speech가 있으면 요청하세요.
Reply with a short voice message in a calm tone.
성공 결과는 AI 생성 음성으로 표시된 오디오 첨부가 됩니다. 엔드포인트, 형식, 목적 채널이 전달을 결정합니다. 표준 TTS 어댑터는 기본 4,096자이며 긴 텍스트를 자릅니다. 적절한 최대값이나 짧은 응답을 요청하세요. 미리 보기·합성에도 유료 할당량이 들 수 있습니다.
자동 채널 응답
voice.auto_tts가 기본 채널 동작을 제공합니다. 지원 대화에서:
| 명령 | 동작 |
|---|---|
/voice | 꺼짐과 음성 입력 전용 응답 전환 |
/voice on | 음성 입력에 대한 응답을 음성 생성 |
/voice tts | 모든 응답 음성 생성 |
/voice off | 이 대화의 자동 음성 비활성화 |
/voice status | 모드와 명시적/기본 설정 여부 표시 |
대화 설정이 프로필 기본값을 재정의합니다. 작동하는 TTS와 지원 오디오 전달이 필요하며 채널 크기·형식을 우회하지 않습니다.
녹음, 전사, 응답 텍스트가 장치를 떠날 수 있습니다. 민감 콘텐츠 사용 전에 공급자 개인정보·보존·지역·요금 약관을 확인하세요.
문제 해결
| 증상 | 확인 사항 |
|---|---|
| 전사 없음 | 첨부 audio/voice, STT 활성, 지원 형식·크기·프로토콜 |
| TTS 도구 없음 | 경로 구성·활성 및 대화 도구 text_to_speech 노출 |
| 미리 보기 실패 | API 루트, 자격 증명, 모델, 프로토콜, 음성, 출력 형식 |
| 채널에 텍스트만 도착 | 음성 모드, TTS 가용성, 채널 오디오 전달 |
| 음성 잘림 | TTS 텍스트 또는 STT 한도와 공급자 제한 시간 |