Премини към основното съдържание
Български— Изберете език
Меню

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

  1. 01 Крайната точка на WebSocket и връзката в реално време
  2. 02 Автентикация и ефемерни токени
  3. 03 Конфигуриране на сесията със session.update
  4. 04 Събитията session.created и session.updated
  5. 05 Аудио формати: PCM и G.711
  6. 06 VAD: автоматично откриване на реч
  7. 07 Изпращане на аудио с input_audio_buffer.append
  8. 08 Фиксиране и изчистване на аудио буфера
  9. 09 Събития от клиент към сървър
  10. 10 Събития от сървър към клиент
  11. 11 Получаване и възпроизвеждане на аудио отговора
  12. 12 Събития на MCP в гласови разговори
  13. 13 Извикване на функции чрез глас
  14. 14 Вградени инструменти: уеб търсене, X и колекции
  15. 15 Телефония: SIP, LiveKit и G.711
  16. 16 Утилити за аудио конвертиране в Python