Commit og ryd lydbufferen
På denne side
Opdateret 3. november 2026 baseret på xAI Voice API-referencen:
input_audio_buffer.commiter kun tilgængelig, nårturn_detection.typeernull; iserver_vad-tilstand commit’er serveren selv lyden. Kilde: Voice API.
Styring af lydbufferen
Når du sender lyd med input_audio_buffer.append, akkumuleres dataene i en buffer på serveren. To operationer styrer denne buffer: commit til at indsende indholdet som en brugerbesked og clear til at tømme den uden behandling.
input_audio_buffer.commit
Denne begivenhed commit’er det aktuelle indhold af lydbufferen som en brugerbesked. Den er påkrævet i manuel tilstand (push-to-talk) og automatisk i VAD-tilstand:
{
"type": "input_audio_buffer.commit"
}
Når serveren modtager et commit, gør den følgende:
- Opretter et nyt konversationselement med den akkumulerede lyd
- Sender en
input_audio_buffer.committed-begivenhed som bekræftelse - Sender en
conversation.item.added-begivenhed med det nye element - Starter transskribering af lyden (hvis aktiveret)
Serverens svar
{
"type": "input_audio_buffer.committed",
"item_id": "item_audio_001"
}
item_id-værdien giver dig mulighed for senere at referere til denne besked i konversationen.
Hvornår skal du commit’e manuelt?
- Push-to-talk: Brugeren holder en knap nede for at tale og slipper den for at sende.
- Manuel segmentering: Du opdeler lydstrømmen i logiske segmenter på klienten.
- Telefonintegration: Du modtager lydblokke fra en PBX og commit’er dem ved slutningen af hver tur.
// Push-to-talk eksempel
talkButton.addEventListener("mousedown", () => {
isRecording = true;
startCapture();
});
talkButton.addEventListener("mouseup", () => {
isRecording = false;
stopCapture();
// Commit bufferen
ws.send(JSON.stringify({
type: "input_audio_buffer.commit"
}));
// Anmod om et svar
ws.send(JSON.stringify({
type: "response.create"
}));
});
input_audio_buffer.clear
Denne begivenhed tømmer lydbufferen uden at oprette en besked i konversationen:
{
"type": "input_audio_buffer.clear"
}
Serveren bekræfter med:
{
"type": "input_audio_buffer.cleared"
}
Hvornår skal du rydde (clear)?
- Annullering: Brugeren trykker på en „Annuller”-knap, mens der tales.
- Afbrydelse: Brugeren begynder at tale, men en anden begivenhed afbryder turen.
- Nulstilling: Efter en fejl eller en timeout ryddes bufferen, før du starter forfra.
- Baggrundsstøj: Systemet registrerer, at bufferen kun indeholder støj og ikke tale.
cancelButton.addEventListener("click", () => {
stopCapture();
ws.send(JSON.stringify({
type: "input_audio_buffer.clear"
}));
showMessage("Recording canceled");
});
VAD-tilstand kontra manuel tilstand
I VAD-tilstand (server_vad) håndterer serveren hele cyklussen automatisk:
- Den registrerer starten på tale (
speech_started) - Den akkumulerer lyden i bufferen
- Den registrerer slutningen på tale (
speech_stopped) - Den commit’er bufferen automatisk
- Den starter automatisk genereringen af svaret
I manuel tilstand (turn_detection.type sat til null) håndterer du hvert trin selv, og det er den eneste tilstand, hvor input_audio_buffer.commit er tilgængelig:
- Du sender lyd med
append - Du beslutter, hvornår brugeren er færdig
- Du sender
commit - Du sender
response.create
Sammenligning
| Aspekt | VAD-tilstand | Manuel tilstand |
|---|---|---|
| Taleregistrering | Automatisk | Op til dig |
| Buffer commit | Automatisk | Manuel (commit) |
| Anmodning om svar | Automatisk | Manuel (response.create) |
| Kontrol | Mindre kontrol | Fuld kontrol |
| Kompleksitet | Enkel | Mere kompleks |
| Brugstilfælde | Flydende samtale | Push-to-talk, IVR |
Vigtige pointer
input_audio_buffer.commitindsender lydbufferen som en brugerbeskedinput_audio_buffer.cleartømmer bufferen uden behandling- I VAD-tilstand sker commit automatisk, når slutningen af talen registreres
- I manuel tilstand (
turn_detection.typesat tilnull) skal du eksplicit sendecommitog derefterresponse.create;commiter kun tilgængelig i denne tilstand - Manuel tilstand egner sig til push-to-talk-grænseflader og IVR-telefonsystemer