Dansk udgave
Voice Agent API: samtaler i realtid
Byg taleagenter over WebSocket: VAD, tale-funktionskald, begivenheder og SIP-telefonintegration.
16 lektioner ca. 1 h Udvikler
Hvad du lærer
- Åbn en WebSocket-session i realtid, godkendt med ephemeral-tokens og konfigureret via session.update
- Behandl PCM- og G.711-lydstrømme, mens du styrer automatisk talegenkendelse
- Håndter begivenhedscyklussen fra klient til server og fra server til klient i en samtale
- Udløs tale-funktionskald og indbyggede værktøjer under en live-udveksling
- Forbind en taleagent til telefoni gennem SIP og LiveKit, og konverter lyd i Python
Kursusark
- Målgruppe
- Udviklere, ingeniører og integratorer, der ønsker at bruge Grok via API'et i deres applikationer.
- Forudsætninger
- Evne til at læse Python eller JavaScript og JSON samt grundlæggende kommandolinje-færdigheder. En API-nøgle fra xAI-konsollen til at prøve eksemplerne.
- Varighed
- 1 h — 16 lektioner
- Formater
- 100 % online og selvstyret, tilgængelig 24/7 fra enhver browser. Dine fremskridt gemmes, så du kan fortsætte, hvor du slap, når som helst. Estimeret tid: 1 h.
- Vurdering
- Selvvurdering med de vigtigste pointer i slutningen af hver lektion og praktisk øvelse ved at anvende eksemplerne på dine egne brugssager. En afsluttende quiz med 5 spørgsmål og svar i slutningen af den sidste lektion giver dig mulighed for at tjekke, hvad du har lært.
- Tilgængelighed
- Dette kursus er designet til at være tilgængeligt for personer med handicap: tekstindhold kompatibelt med skærmlæsere, tastaturnavigation og overholdelse af farvekontrast. For enhver anmodning om tilpasning, send en e-mail til [email protected].
- Pris
- Gratis
Kursets indhold
- 01 WebSocket-endepunktet og realtidsforbindelsen
- 02 Godkendelse og engangstokens
- 03 Konfigurer sessionen med session.update
- 04 Hændelserne session.created og session.updated
- 05 Lydformater: PCM og G.711
- 06 VAD: automatisk taleregistrering
- 07 Send lyd med input_audio_buffer.append
- 08 Commit og ryd lydbufferen
- 09 Client-til-server-begivenheder
- 10 Server-til-klient begivenheder
- 11 Modtag og afspil responslyden
- 12 MCP-begivenheder i talesamtaler
- 13 Voice function calling
- 14 Indbyggede værktøjer: websøgning, X og samlinger
- 15 Telefoni: SIP, LiveKit og G.711
- 16 Værktøjer til lydkonvertering i Python