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