Българско издание
API за гласови агенти: разговори в реално време
Изградете гласови агенти чрез WebSocket: VAD, извикване на гласови функции, събития и интеграция със SIP телефони.
16 урока ок. 1 ч Програмист
Какво ще научите
- Отваряне на WebSocket сесия в реално време, удостоверена с ефемерни токени и конфигурирана чрез session.update
- Обработка на аудио потоци PCM и G.711 при управление на автоматично откриване на реч
- Управление на цикъла от събития между клиент и сървър по време на разговор
- Стартиране на извикване на гласови функции и вградени инструменти по време на обмен на живо
- Свързване на гласов агент с телефония чрез SIP и LiveKit, както и конвертиране на аудио в Python
Информация за курса
- За кого е
- Разработчици, инженери и интегратори, които искат да използват Grok чрез API в своите приложения.
- Предварителни изисквания
- Умение за четене на Python или JavaScript и JSON, плюс основни умения за работа с командния ред. Необходим е API ключ от конзолата на xAI за тестване на примерите.
- Продължителност
- 1 ч — 16 урока
- Формати
- 100% онлайн и в собствен темп, достъпно 24/7 от всеки браузър. Вашият напредък се запазва, така че можете да продължите оттам, където сте спрели, по всяко време. Приблизително време: 1 ч.
- Оценяване
- Самооценка с основните изводи в края на всеки урок и практическо прилагане на примерите към вашите собствени случаи на употреба. Финален тест от 5 въпроса с отговори в края на последния урок Ви позволява да проверите наученото.
- Достъпност
- Този курс е проектиран да бъде достъпен за хора с увреждания: текстово съдържание, съвместимо със екранни четци, навигация с клавиатура и съответстващ цветови контраст. За всякакви искания за адаптиране, пишете на [email protected].
- Цена
- Безплатно
Уроци
- 01 Крайната точка на WebSocket и връзката в реално време
- 02 Автентикация и ефемерни токени
- 03 Конфигуриране на сесията със session.update
- 04 Събитията session.created и session.updated
- 05 Аудио формати: PCM и G.711
- 06 VAD: автоматично откриване на реч
- 07 Изпращане на аудио с input_audio_buffer.append
- 08 Фиксиране и изчистване на аудио буфера
- 09 Събития от клиент към сървър
- 10 Събития от сървър към клиент
- 11 Получаване и възпроизвеждане на аудио отговора
- 12 Събития на MCP в гласови разговори
- 13 Извикване на функции чрез глас
- 14 Вградени инструменти: уеб търсене, X и колекции
- 15 Телефония: SIP, LiveKit и G.711
- 16 Утилити за аудио конвертиране в Python