Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Commit og ryd lydbufferen

Lektion 8 af 16 Opdateret 3. november 2026 Udvikler
På denne side
  1. Styring af lydbufferen
  2. input_audio_buffer.commit
  3. input_audio_buffer.clear
  4. VAD-tilstand kontra manuel tilstand
  5. Vigtige pointer

Opdateret 3. november 2026 baseret på xAI Voice API-referencen: input_audio_buffer.commit er kun tilgængelig, når turn_detection.type er null; i server_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:

  1. Opretter et nyt konversationselement med den akkumulerede lyd
  2. Sender en input_audio_buffer.committed-begivenhed som bekræftelse
  3. Sender en conversation.item.added-begivenhed med det nye element
  4. 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:

  1. Den registrerer starten på tale (speech_started)
  2. Den akkumulerer lyden i bufferen
  3. Den registrerer slutningen på tale (speech_stopped)
  4. Den commit’er bufferen automatisk
  5. 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:

  1. Du sender lyd med append
  2. Du beslutter, hvornår brugeren er færdig
  3. Du sender commit
  4. Du sender response.create

Sammenligning

AspektVAD-tilstandManuel tilstand
TaleregistreringAutomatiskOp til dig
Buffer commitAutomatiskManuel (commit)
Anmodning om svarAutomatiskManuel (response.create)
KontrolMindre kontrolFuld kontrol
KompleksitetEnkelMere kompleks
BrugstilfældeFlydende samtalePush-to-talk, IVR

Vigtige pointer

  • input_audio_buffer.commit indsender lydbufferen som en brugerbesked
  • input_audio_buffer.clear tømmer bufferen uden behandling
  • I VAD-tilstand sker commit automatisk, når slutningen af talen registreres
  • I manuel tilstand (turn_detection.type sat til null) skal du eksplicit sende commit og derefter response.create; commit er kun tilgængelig i denne tilstand
  • Manuel tilstand egner sig til push-to-talk-grænseflader og IVR-telefonsystemer