Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Odeslání a vymazání zvukové vyrovnávací paměti

Lekce 8 z 16 Aktualizováno 3. listopadu 2026 Vývojář
Na této stránce
  1. Správa zvukové vyrovnávací paměti
  2. input_audio_buffer.commit
  3. input_audio_buffer.clear
  4. Režim VAD versus manuální režim
  5. Klíčové poznatky

Aktualizováno 3. listopadu 2026 na základě reference xAI Voice API: input_audio_buffer.commit je dostupné pouze tehdy, když je turn_detection.type nastaveno na null; v režimu server_vad odesílá audio server sám. Zdroj: Voice API.

Správa zvukové vyrovnávací paměti

Když odešleš audio pomocí input_audio_buffer.append, data se hromadí ve vyrovnávací paměti na serveru. Tuto paměť řídí dvě operace: commit k odeslání jejího obsahu jako uživatelské zprávy a clear k jejímu vyprázdnění bez zpracování.

input_audio_buffer.commit

Tato událost odešle aktuální obsah zvukové vyrovnávací paměti jako uživatelskou zprávu. Je povinná v manuálním režimu (push-to-talk) a automatická v režimu VAD:

{
  "type": "input_audio_buffer.commit"
}

Když server obdrží příkaz commit:

  1. Vytvoří novou položku konverzace s nahromaděným audiem
  2. Odešle událost input_audio_buffer.committed pro potvrzení
  3. Odešle událost conversation.item.added s novou položkou
  4. Spustí přepis audia (pokud je povoleno)

Odpověď serveru

{
  "type": "input_audio_buffer.committed",
  "item_id": "item_audio_001"
}

item_id ti umožňuje později odkazovat na tuto zprávu v konverzaci.

Kdy odeslat commit manuálně

  • Push-to-talk: uživatel drží tlačítko pro řeč a jeho uvolněním zprávu odešle
  • Manuální segmentace: rozdělíš zvukový stream na logické segmenty na straně klienta
  • Integrace telefonu: přijímáš zvukové bloky z pobočkové ústředny (PBX) a odesíláš je na konci každého tahu
// Příklad push-to-talk
talkButton.addEventListener("mousedown", () => {
  isRecording = true;
  startCapture();
});

talkButton.addEventListener("mouseup", () => {
  isRecording = false;
  stopCapture();

  // Odeslání obsahu bufferu
  ws.send(JSON.stringify({
    type: "input_audio_buffer.commit"
  }));

  // Vyžádání odpovědi
  ws.send(JSON.stringify({
    type: "response.create"
  }));
});

input_audio_buffer.clear

Tato událost vyprázdní zvukovou vyrovnávací paměť bez vytvoření zprávy v konverzaci:

{
  "type": "input_audio_buffer.clear"
}

Server potvrdí odpovědí:

{
  "type": "input_audio_buffer.cleared"
}

Kdy vymazat paměť

  • Zrušení: uživatel stiskne tlačítko „Zrušit“ během řeči
  • Přerušení: uživatel začne mluvit, ale jiná událost přeruší jeho tah
  • Reset: po chybě nebo časovém limitu vymaž paměť před novým začátkem
  • Šum v pozadí: systém detekuje, že paměť obsahuje pouze šum, nikoliv řeč
cancelButton.addEventListener("click", () => {
  stopCapture();
  ws.send(JSON.stringify({
    type: "input_audio_buffer.clear"
  }));
  showMessage("Nahrávání zrušeno");
});

Režim VAD versus manuální režim

V režimu VAD (server_vad) server celý cyklus zpracovává automaticky:

  1. Detekuje začátek řeči (speech_started)
  2. Hromadí audio ve vyrovnávací paměti
  3. Detekuje konec řeči (speech_stopped)
  4. Automaticky odešle obsah paměti (commit)
  5. Automaticky začne generovat odpověď

V manuálním režimu (turn_detection.type nastaveno na null) každý krok řešíš sám a je to jediný režim, kde je input_audio_buffer.commit dostupné:

  1. Odešleš audio pomocí append
  2. Rozhodneš, kdy uživatel skončil
  3. Odešleš commit
  4. Odešleš response.create

Srovnání

AspektRežim VADManuální režim
Detekce řečiAutomatickáNa tobě
Odeslání paměti (commit)AutomatickéManuální (commit)
Vyžádání odpovědiAutomatickéManuální (response.create)
KontrolaMenší kontrolaPlná kontrola
SložitostJednoduchéSložitější
VyužitíPlynulá konverzacePush-to-talk, IVR

Klíčové poznatky

  • input_audio_buffer.commit odešle zvukovou vyrovnávací paměť jako uživatelskou zprávu
  • input_audio_buffer.clear vyprázdní paměť bez zpracování
  • V režimu VAD k odeslání (commit) dojde automaticky po detekci konce řeči
  • V manuálním režimu (turn_detection.type nastaveno na null) musíš explicitně odeslat commit a následně response.create; commit je dostupné pouze v tomto režimu
  • Manuální režim je vhodný pro rozhraní typu push-to-talk a telefonní systémy IVR