Spring til hovedindhold
Dansk— Vælg et sprog
Menu

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

  1. 01 WebSocket-endepunktet og realtidsforbindelsen
  2. 02 Godkendelse og engangstokens
  3. 03 Konfigurer sessionen med session.update
  4. 04 Hændelserne session.created og session.updated
  5. 05 Lydformater: PCM og G.711
  6. 06 VAD: automatisk taleregistrering
  7. 07 Send lyd med input_audio_buffer.append
  8. 08 Commit og ryd lydbufferen
  9. 09 Client-til-server-begivenheder
  10. 10 Server-til-klient begivenheder
  11. 11 Modtag og afspil responslyden
  12. 12 MCP-begivenheder i talesamtaler
  13. 13 Voice function calling
  14. 14 Indbyggede værktøjer: websøgning, X og samlinger
  15. 15 Telefoni: SIP, LiveKit og G.711
  16. 16 Værktøjer til lydkonvertering i Python