برنامهٔ دسکتاپ ساروی

فضای کار روی رایانه

برنامهٔ دسکتاپ، گفتگوی فارسی و انگلیسی، ابزارهای فایل و ترمینال، مرورگر اختصاصی Chromium و کنترل برنامه‌ها را در یک محیط محلی کنار هم دارد. مدل‌ها از API ساروی اجرا می‌شوند و اعتبار همان حساب را مصرف می‌کنند. این به معنی اجرای آفلاین مدل نیست.

اتصال حساب و مجوزها

برنامه صفحهٔ /cli/connect را با client=desktop در مرورگر باز می‌کند. پس از ورود و تأیید، یک اتصال ۹۰روزه با سقف ماهانهٔ ۱۰٬۰۰۰ اعتبار ساخته می‌شود. دامنهٔ دسترسی آن models:read، responses:write، usage:read، studio:write، files:read، audio:write، cloud:read، cloud:hosting، workspace:read و workspace:write است. کلید به گیرندهٔ یک‌بارمصرف همان رایانه تحویل می‌شود و در صفحه یا مدل نمایش داده نمی‌شود. اتصال‌های قدیمی CLI خودکار دسترسی تازه نمی‌گیرند؛ برای امکانات دسکتاپ باید دوباره در مرورگر تأیید شوند. مدیریت و قطع اتصال از /developers/connections انجام می‌شود.

کار و تأیید اقدام

گفتگوها، پوشهٔ کار و خروجی ابزارها روی رایانه ذخیره می‌شوند. مجوزهای فایل و عملیات حساس در خود برنامه بررسی می‌شوند. دسترسی دیدن صفحه و کنترل برنامه‌ها به مجوز سیستم‌عامل هم وابسته است. بستن پنجرهٔ تأیید به معنی رد اقدام است. با توقف یا خروج، عامل متعلق به برنامه متوقف می‌شود.

استودیو

تصویر، ویدیو، صدا و متن با /v1/studio ساخته می‌شوند. /v1/models تنظیمات studio_settings شامل نسبت تصویر، مدت ویدیو، وضوح، صدا و ظرفیت مرجع را برمی‌گرداند. مدل‌های API با اعتبار حساب قابل استفاده‌اند و به اشتراک حرفه‌ای جداگانه نیاز ندارند. خروجی و ویرایش محلی در کتابخانهٔ دستگاه می‌ماند. ویدیوی در حال ساخت با شناسهٔ همان کار بررسی می‌شود؛ قطع اتصال نباید باعث سفارش تکراری شود. درخواست ناموفق توضیح و شناسهٔ پیگیری خود را حفظ می‌کند.

گفتار و صدا

دیکته از /v1/audio/transcriptions و گفتگوی زنده از /v1/realtime/calls استفاده می‌کند. تماس صوتی صدای تولیدشده با هوش مصنوعی است. میکروفن فقط پس از اقدام کاربر درخواست می‌شود. کارهای صوتی به همان عامل محلی و همان تأییدهای روی صفحه سپرده می‌شوند. پایان تماس، ترک‌های میکروفن و ارتباط WebRTC را می‌بندد و درخواست قطع تماس را به API می‌فرستد.

انتشار محلی با Sarovi Sites

GET /v1/sites با cloud:read فهرست سایت‌های همان پروژه و دامنهٔ فعلی را می‌دهد. POST /v1/sites با cloud:hosting یک خروجی آمادهٔ وب را منتشر می‌کند؛ POST /v1/sites/{id} آن را به‌روزرسانی می‌کند. بدنه شامل name، slug اختیاری، confirm_public:true و files با path، content و encoding:base64 است. index.html لازم است؛ سقف ۵۰۰ فایل، مجموع ۲۰ مگابایت و هر فایل ۱۵ مگابایت است. مسیر مخفی، نام تکراری، وابستگی و مسیر بیرون از پوشه رد می‌شود. کلید Idempotency-Key برای هر نسخهٔ بررسی‌شده ثابت بماند. پاسخ 202 یعنی هنوز در حال انتشار است؛ GET /v1/sites/{id} وضعیت همان کار را بررسی می‌کند. لینک تنها پس از وضعیت ready آماده است. این مسیر از میزبانی موجود ساروی استفاده می‌کند؛ مسیر مستقل Sarovi Cloud Starter همچنان مستندات خودش را دارد.

دادهٔ محلی و محدودیت‌ها

دادهٔ برنامه در macOS زیر ~/.sarovi و در Windows زیر %LOCALAPPDATA%\Sarovi قرار دارد. تاریخچهٔ گفتگو در gui/sessions و رسانه‌ها در gui/studio ذخیره می‌شوند. خروجی عمومی پیش از انتشار به کاربر نشان داده می‌شود و محتوای فایل‌ها در گزارش API ثبت نمی‌شود. تاریخچهٔ وب، حافظه، تنظیمات و ساخته‌های استودیو در برنامه قابل مشاهده‌اند. گفتگوهای محلی خودکار به وب فرستاده نمی‌شوند؛ گفتگوهای وب در خود برنامه قابل ادامه‌اند و پیام‌ها در هر دو محیط نمایش داده می‌شوند. انتقال نمودارهای استودیو و محیط‌های ابری خودکار نیست. نسخهٔ نصب‌کننده، امضا و آزمون هر سیستم‌عامل باید در یادداشت انتشار همان نسخه بررسی شود.

فضای کار، حافظه و مصرف

GET /v1/desktop/workspace اطلاعات حساب، انتخاب‌های سه حالت مدل، تاریخچهٔ گفتگو و کار، پروژه‌ها، حافظه و ساخته‌های استودیو را با مالکیت همان کاربر برمی‌گرداند. GET /v1/desktop/history برای صفحه‌بندی گفتگوهای قدیمی است. GET /v1/desktop/chat/{id}، work/{id} و project/{id} جزئیات مورد مجاز را می‌دهند. GET /v1/desktop/media/{id} رسانهٔ استودیوی همان حساب را می‌دهد؛ مسیر ذخیره‌سازی از کاربر گرفته نمی‌شود. GET /v1/desktop/logs گزارش مصرف این پروژه را بدون متن ورودی و خروجی می‌دهد. POST /v1/desktop/context زمینهٔ حافظه را با رعایت تنظیمات فعال بودن و جداسازی پروژه‌ها آماده می‌کند.

خواندن‌ها و زمینه به workspace:read نیاز دارند. POST /v1/desktop/settings برای نام نمایشی و انتخاب مدل‌ها و POST /v1/desktop/assistant برای تنظیمات حافظه و افزودن یا حذف یادداشت به workspace:write نیاز دارند. دسترسی تازه فقط پس از تأیید مرورگری صادر می‌شود. تاریخچه و حافظه در گزارش درخواست یا حافظهٔ نهان پاسخ کپی نمی‌شوند.

کارهای هم‌زمان و مرورگر داخلی

نسخهٔ ۰٫۲٫۱ حداکثر ۱۶ کار را می‌پذیرد و با توجه به حافظهٔ رایانه، یک تا سه عامل را هم‌زمان اجرا می‌کند؛ باقی در صف می‌مانند. تغییر گفتگو یا شروع کار تازه، اجرای قبلی را متوقف نمی‌کند. هر گفتگوی تازه پوشهٔ مستقل دارد. سه حالت دسترسی «با تأیید»، «خودکار» و «دسترسی کامل» برای هر گفتگو انتخاب می‌شوند. کنترل سیستم‌عامل تابع مجوزهای خود سیستم است. مرورگر Chromium در پنل کنار گفتگو دیده می‌شود و عامل همان برگه‌ها را کنترل می‌کند. برگه‌ها به رابط بومی و کلید حساب دسترسی ندارند.