Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Dansk udgave

Realtime API og Voice Agents

Dette kursus dækker Realtime API, Whisper, TTS og opbygning af komplette voice-agenter til telefoni og assistenter.

18 lektioner ca. 1 h 15 min Udvikler

Hvad du lærer

  • Oprette en WebSocket-session med Realtime API og administrere livscyklusbegivenheder
  • Streame lyd i begge retninger samtidig med håndtering af afbrydelser og styring af turtagning
  • Transkribere og oversætte lydfiler med Whisper samtidig med optimering af kvalitet baseret på sprog
  • Generere tale med TTS API ved at styre stemme, prosodi og hastighed
  • Bygge en voice-agent integreret med telefoni og mestre dens latens i produktion

Kursusark

Målgruppe
Udviklere, ingeniører og integratorer, der ønsker at udnytte ChatGPT via API i deres applikationer.
Forudsætninger
Evne til at læse Python og JSON, grundlæggende kommandolinje. En API-nøgle fra OpenAI-platformen for at prøve eksemplerne.
Varighed
1 h 15 min — 18 lektioner
Formater
100 % online selvstyret kursus, tilgængeligt 24/7 fra en browser. Fremskridt gemmes, genoptag når som helst. Estimeret varighed: 45 min.
Vurdering
Valideringsquizzer integreret i kurset. Hver lektion slutter med sine vigtigste pointer, hvilket understøtter selvevaluering.
Tilgængelighed
Selvstyret kursus tilgængeligt for personer med handicap: tekstindhold kompatibelt med skærmlæsere, tastaturnavigation og overholdelse af kontraster. For eventuelle tilpasningsbehov, send en e-mail til [email protected].
Pris
Gratis

Kursets indhold

  1. 01 WebSocket-arkitekturen for Realtime API
  2. 02 Sessioner, begivenheder og livscyklus
  3. 03 Lydstreaming i begge retninger
  4. 04 Funktionskald i realtid
  5. 05 Afbrydelser og turstyring
  6. 06 Transkribér en lydfil: gpt-transcribe og Whisper
  7. 07 Understøttede formater og sprog
  8. 08 Automatisk oversættelse
  9. 09 Optimér transkriptionskvaliteten
  10. 10 TTS-API'en: Generering af tale
  11. 11 Tilgængelige stemmer og tilpasning
  12. 12 Streaming af lyd i realtid
  13. 13 Styring af prosodi og talehastighed
  14. 14 Byg en komplet taleagent
  15. 15 Telefoni-integration (Twilio osv.)
  16. 16 Multimodal stemmeassistent
  17. 17 Latens og optimering i realtid
  18. 18 Produktion: Skalering og overvågning