음성 상호작용
지원되는 채널에서 음성을 사용하여 상담원과 소통하세요.지원되는 엔진
텍스트 음성 변환(TTS)
상담원 음성 출력에 5개의 TTS 엔진을 사용할 수 있습니다. 두 개의 TTS 경로(설계상):- 설정 > 음성 — 채널 응답, WebRTC 및 IM 음성 풍선(5개 공급자 + 무료 Edge 대체, 스트리밍, 스마트 요약)
- 에이전트 구성 TTS — 채팅 명령 “소리내어 읽기”는
tts_generate도구(OpenAI/ElevenLabs + 게이트웨이 청구)를 통해 오디오 아티팩트를 생성합니다.
llms/tts 단위 테스트(98% 적용 범위).
음성 텍스트 변환(STT)
음성 입력 인식을 위한 5가지 STT 엔진: Local Whisper(무료, 개인 정보 보호 우선), OpenAI Whisper, Groq, Deepgram 및 xAI Grok STT. 사용자 정의 OpenAI 호환 엔드포인트도 기본 URL 설정을 통해 지원됩니다.비디오 오디오 전사
비디오 메시지(텔레그램 원형 비디오 메모 포함)는 동일한 STT 파이프라인을 사용하여 자동으로 전사됩니다. 상담원은 별도의 구성 없이 영상 메시지의 내용을 이해합니다.오디오 파일 업로드
WebUI 채팅 입력에 직접 오디오 파일을 업로드하세요. 8가지 형식 지원: mp3, wav, ogg, flac, m4a, aac, wma, opus. 세 가지 업로드 방법:- 첨부 버튼을 클릭하여 파일을 선택하세요.
- 오디오 파일을 채팅 영역으로 드래그 앤 드롭
- 붙여넣기(일부 형식)
음성 모드
Myrm 에이전트는 설정 > 음성에서 선택할 수 있는 4가지 음성 상호작용 모드를 지원합니다.기본 함수 호출(실시간 및 Gemini Live)
실시간 및 Gemini Live 모드에서는 선택한 에이전트 프로필에서 도구 선언이 동적으로 삽입됩니다. AI는 서버 측 에이전트 릴레이 없이 음성 대화 중에 직접 도구(웹 검색, 메모리, 파일 작업, 코드 실행, 브라우저, 칸반, 백그라운드 작업)를 호출할 수 있습니다. 이를 통해 300ms 미만의 도구 증강 음성 상호 작용이 가능해집니다.음성 배경 작업
음성 대화 중에 “XXX를 검색해 주세요”와 같은 말을 하면 AI가 자동으로 이를 백그라운드 작업으로 전달합니다.- 즉시 파견: 단일 음성 명령으로 대화를 중단하지 않고 백그라운드 조사 작업을 생성합니다.
- 패널 가시성: 발송된 작업은 원클릭 취소 또는 조정을 통해 활동 패널에 실시간으로 표시됩니다.
- 지속성: 재시작 복구 및 좀비 감지 기능을 갖춘 Kanban 시스템을 통해 작업이 지속됩니다.
- 완료 알림: 작업이 완료되면 원래 채팅에 결과가 자동으로 푸시됩니다.
백그라운드 작업 완료 통보
음성으로 파견한 백그라운드 작업이 완료되면 에이전트가 다음 음성 세션에서 능동적으로 결과를 말해줍니다 — 네 가지 음성 모드(Audio Only / Agent Bridge / OpenAI Realtime / Gemini Live)가 완전히 대칭입니다.- 말하고 떠나라, 돌아와서 결론을 들으세요: 긴 작업을 음성으로 파견한 뒤 화면을 닫고 다른 일을 하다가 음성 세션에 돌아오면 에이전트가 결과 요약을 먼저 알려줍니다. 패널을 쳐다보거나 “다 됐어?”라고 물어볼 필요가 없습니다.
- 현재 발화를 절대 방해하지 않음: 작업이 완료된 시점에 에이전트가 말하는 중이면, 완료 통보는 TTS 큐에서 안전하게 대기했다가 현재 발화가 끝나는 즉시 재생됩니다 — 큐 안전 삽입, 어색한 끊김 없음
- 통보는 대화의 일부: 완료 통보는 채팅의 자연스러운 연속으로 음성 출력되며, 채팅 타임라인이 실시간으로 갱신되어 바로 세부 내용을 음성으로 물어볼 수 있고 에이전트가 전체 맥락으로 답합니다.
- 여러 창에서 중복 통보 없음: 여러 창이나 기기를 동시에 열어도 활성 음성 세션에서만 정확히 한 번 통보됩니다 — 세션 범위 중복 제거.
전이중 및 바지인 인식
Myrm 에이전트는 전이중 음성 대화를 지원합니다. 에이전트가 말하는 동안 언제든지 에이전트를 중단할 수 있습니다(참여). 그렇게 할 때:- TTS 재생이 즉시 중지됩니다
- AI 모델은 이전 응답이 중단되었음을 자동으로 알립니다. 이미 말한 내용을 반복하지 않고 자연스럽게 새로운 입력을 처리합니다.
설정
- 설정 > 음성으로 이동하세요.
- 선호하는 TTS 및 STT 엔진을 선택하세요.
- 언어 및 음성 기본 설정 구성
- 사용자 정의 STT 엔드포인트의 경우 기본 URL 필드를 설정합니다(OpenAI 및 xAI 공급자에 사용 가능).
- 실시간 모드의 경우 설정 > 공급자에서 OpenAI API 키를 구성합니다.
- Gemini 라이브 모드의 경우 설정 > 공급자에서 Google API 키를 구성하세요.