Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Έκδοση στα ελληνικά

Realtime API και voice agents

Το μάθημα καλύπτει Realtime API, Whisper και TTS, και οδηγεί σε πλήρεις voice agents για τηλεφωνία και βοηθούς.

18 μαθήματα περίπου 1 ώρα 15 λεπτά Για developers

Τι θα μάθετε

  • Στήστε μια συνεδρία WebSocket με τη Realtime API και διαχειριστείτε τα γεγονότα του κύκλου ζωής της
  • Μεταδώστε ήχο και προς τις δύο κατευθύνσεις, διαχειριζόμενοι τις διακοπές και τη σειρά ομιλίας
  • Μεταγράψτε και μεταφράστε ηχητικά αρχεία με το Whisper, βελτιώνοντας την ποιότητα κατά γλώσσα
  • Δημιουργήστε ομιλία με το API TTS, ελέγχοντας φωνή, προσωδία και ταχύτητα
  • Χτίστε έναν voice agent συνδεδεμένο με την τηλεφωνία και κρατήστε υπό έλεγχο την καθυστέρησή του σε παραγωγή

Στοιχεία προγράμματος

Σε ποιους απευθύνεται
Προγραμματιστές, μηχανικοί και integrators που θέλουν να αξιοποιήσουν το ChatGPT μέσω API στις εφαρμογές τους.
Προαπαιτούμενα
Ικανότητα ανάγνωσης Python και JSON, βασικές γνώσεις γραμμής εντολών. Ένα κλειδί API της πλατφόρμας OpenAI για να δοκιμάσετε τα παραδείγματα.
Διάρκεια
1 ώρα 15 λεπτά — 18 μαθήματα
Μορφές παράδοσης
Εξ ολοκλήρου online αυτόνομη κατάρτιση, διαθέσιμη 24/7 από φυλλομετρητή. Η πρόοδος αποθηκεύεται και συνεχίζετε όποτε θέλετε. Εκτιμώμενη διάρκεια: 45 λεπτά
Αξιολόγηση
Κουίζ επιβεβαίωσης ενσωματωμένα στην πορεία της διαδρομής. Κάθε μάθημα ολοκληρώνεται με τα Βασικά σημεία του, αφορμή για αυτοαξιολόγηση.
Προσβασιμότητα
Κατάρτιση σε δικό σας ρυθμό, προσβάσιμη σε άτομα με αναπηρία: περιεχόμενο συμβατό με αναγνώστες οθόνης, πλοήγηση με πληκτρολόγιο και χρωματική αντίθεση σύμφωνη με τις προδιαγραφές. Για οποιαδήποτε ανάγκη προσαρμογής, γράψτε στο [email protected].
Τιμή
Δωρεάν

Περιεχόμενο προγράμματος

  1. 01 Αρχιτεκτονική WebSocket του Realtime API
  2. 02 Συνεδρίες, συμβάντα και κύκλος ζωής
  3. 03 Ροή Ήχου Αμφίδρομης Κατεύθυνσης
  4. 04 Κλήση συναρτήσεων σε πραγματικό χρόνο
  5. 05 Διακοπές και Διαχείριση Σειράς Ομιλίας
  6. 06 Μεταγραφή αρχείου ήχου: gpt-transcribe και Whisper
  7. 07 Υποστηριζόμενες μορφές και γλώσσες
  8. 08 Αυτόματη μετάφραση
  9. 09 Βελτιστοποίηση της Ποιότητας Μεταγραφής
  10. 10 Το API TTS: Δημιουργία Ομιλίας
  11. 11 Διαθέσιμες φωνές και προσαρμογή
  12. 12 Ροή ήχου σε πραγματικό χρόνο
  13. 13 Έλεγχος της Προσωδίας και του Ρυθμού Ομιλίας
  14. 14 Δημιουργία ενός πλήρους φωνητικού πράκτορα
  15. 15 Ολοκλήρωση με Τηλεφωνία (Twilio, κ.λπ.)
  16. 16 Βοηθός Φωνής Πολυτροπικός
  17. 17 Καθυστέρηση και Βελτιστοποίηση Πραγματικού Χρόνου
  18. 18 Παραγωγή: Κλιμάκωση και Παρακολούθηση