- शिप
- 29 सितंबर 2026 को 2:32 am बजे UTC
- लेखक
- Kamo
- Commit
- 16db29f
एडाप्टर हार्ड-कोडित आउटपुट format=mp3 44100 128 हर कॉल पर, इसलिए एक कॉलर E5 को wav (या kamoai-voice pcm के लिए पूछ, हर फोन कॉल पर) mp3 वापस मिल गया - एक अतिरिक्त हानिग्रस्त डीकोड प्लस कॉल पथ पर एक नमूना, और एक किसी अन्य कॉलर के लिए चुप अनुबंध का उल्लंघन /api/ai/v1/audio/speech. synthesize () अब नक्शे ऑडियो कंट्रोलर की प्रतिक्रिया format to ElevenLabs' own आउटपुट फॉर्मैट: pcm/wav दोनों pcm 24000 (AIService's own PCM convention), एक असली में लिपटे wav के साथ kamoai-voice के हार्डकोड 24 kHz डीकोड मिलान यहां RIFF/WAVE हेडर (ElevenLabs कभी एक नहीं भेजता), mp3 mp3 44100 128 रखता है, ओपस के नक्शे opus 48000 128, और एक स्पष्ट ulaw नक्शे ulaw 8000 करने के लिए। एक प्रारूप ElevenLabs (aac, flac) नहीं बोल सकते हैं, इसलिए रूटर गिर जाता है एक मॉडल पर वापस जो कर सकता है, इसके बजाय चुपचाप इसे एमपी 3 में गलत तरीके से दुरुपयोग करता है। The घोषित mimetype अब हमेशा बायटेस लौटे, जो कुछ भी नहीं सामग्री-प्रकार विक्रेता भेजने के लिए हुआ। कामोई-वॉइस पहले से ही pcm के लिए पूछता है और AIService की घोषित सामग्री-प्रकार पढ़ता है अपने स्वयं के अनुरोध पर भरोसा करने के बजाय, इसलिए वहाँ कोई परिवर्तन की आवश्यकता नहीं थी: यह हो जाता है वास्तविक, मिलान-rate PCM अब एक decoded-and-resampled mp3 के बजाय। टेस्ट (SpeechVendorFamiliesTest, लाल तो एक नकली ElevenLabs के खिलाफ हरा) सर्वर: प्रत्येक उत्तर format नक्शे के लिए सही उत्पादन format, wavv रैपर एक वैध 44-बाइट RIFF/WAVE हेडर है जो बिना टच किए पीसीएम बाइट्स के आसपास है। किसी भी HTTP कॉल से पहले एक असमर्थित प्रारूप को अस्वीकार कर दिया जाता है, और mp3 अपरिवर्तित है।.