Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Deutsche Ausgabe

Voice Agent API: Echtzeitgespräche

Entwickeln Sie Voice-Agents über WebSocket: VAD, Sprach-Funktionsaufrufe, Events und SIP-Telefonintegration.

16 Lektionen ca. 1 h Entwickler

Das lernen Sie

  • Öffnen einer Echtzeit-WebSocket-Sitzung, die mit ephemeren Tokens authentifiziert und über session.update konfiguriert ist
  • Verarbeiten von PCM- und G.711-Audioströmen unter Verwaltung der automatischen Spracherkennung
  • Handhabung des Event-Zyklus von Client-zu-Server und Server-zu-Client während eines Gesprächs
  • Auslösen von Sprach-Funktionsaufrufen und integrierten Tools während eines Live-Austauschs
  • Verbinden eines Voice-Agents mit der Telefonie über SIP und LiveKit sowie Konvertieren von Audio in Python

Kursübersicht

Zielgruppe
Entwickler, Ingenieure und Integratoren, die Grok über die API in ihren Anwendungen nutzen möchten.
Voraussetzungen
Fähigkeit, Python oder JavaScript sowie JSON zu lesen, plus grundlegende Kenntnisse der Befehlszeile. Ein API-Schlüssel von der xAI-Konsole, um die Beispiele auszuprobieren.
Dauer
1 h — 16 Lektionen
Modalitäten
100 % online und selbstgesteuert, rund um die Uhr von jedem Browser aus verfügbar. Ihr Fortschritt wird gespeichert, sodass Sie jederzeit dort weitermachen können, wo Sie aufgehört haben. Geschätzte Zeit: 1 h.
Bewertung
Selbsteinschätzung mit den wichtigsten Erkenntnissen am Ende jeder Lektion sowie praktische Übung durch Anwendung der Beispiele auf eigene Use Cases. Ein abschließendes Quiz mit 5 Fragen und Antworten am Ende der letzten Lektion ermöglicht es Ihnen, Ihr gelerntes Wissen zu überprüfen.
Barrierefreiheit
Dieser Kurs ist so konzipiert, dass er für Menschen mit Behinderungen zugänglich ist: Textinhalte sind mit Screenreadern kompatibel, die Navigation erfolgt über die Tastatur, und die Farbkontraste entsprechen den Standards. Für Anfragen nach Anpassungen senden Sie bitte eine E-Mail an [email protected].
Preis
Kostenlos

Kursinhalt

  1. 01 Der WebSocket-Endpunkt und die Echtzeit-Verbindung
  2. 02 Authentifizierung und temporäre Tokens
  3. 03 Konfigurieren Sie die Sitzung mit session.update
  4. 04 Die Ereignisse session.created und session.updated
  5. 05 Audio-Formate: PCM und G.711
  6. 06 VAD: automatische Spracherkennung
  7. 07 Audio mit input_audio_buffer.append senden
  8. 08 Audio-Buffer festlegen und leeren
  9. 09 Client-zu-Server-Ereignisse
  10. 10 Server-zu-Klient-Events
  11. 11 Empfang und Wiedergabe der Antwort-Audio
  12. 12 MCP-Ereignisse in Sprachgesprächen
  13. 13 Voice-Funktionsaufrufe
  14. 14 Eingebaute Werkzeuge: Websuche, X und Sammlungen
  15. 15 Telefonie: SIP, LiveKit und G.711
  16. 16 Audio-Umwandlungsbibliotheken in Python