Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Έκδοση στα ελληνικά

Voice Agent API: Συνομιλίες σε πραγματικό χρόνο

Χτίστε φωνητικούς agents μέσω WebSocket: VAD, function calling με φωνή, γεγονότα και ενσωμάτωση τηλεφωνίας SIP.

16 μαθήματα περίπου 1 ώρα Για developers

Τι θα μάθετε

  • Ανοίξτε μια συνεδρία WebSocket σε πραγματικό χρόνο, με αυθεντικοποίηση μέσω παροδικών tokens και ρύθμιση μέσω session.update
  • Επεξεργαστείτε ροές ήχου PCM και G.711 με αυτόματο εντοπισμό ομιλίας
  • Διαχειριστείτε τον κύκλο γεγονότων πελάτη-διακομιστή και διακομιστή-πελάτη μιας συνομιλίας
  • Ενεργοποιήστε function calling με φωνή και ενσωματωμένα εργαλεία κατά τη διάρκεια μιας ζωντανής συνομιλίας
  • Συνδέστε έναν φωνητικό agent με τηλεφωνία μέσω SIP και LiveKit, με μετατροπή ήχου σε Python

Στοιχεία προγράμματος

Σε ποιους απευθύνεται
Προγραμματιστές, μηχανικοί και ολοκληρωτές που θέλουν να αξιοποιήσουν το Grok μέσω API στις εφαρμογές τους.
Προαπαιτούμενα
Ανάγνωση Python ή JavaScript και JSON, βασικά της γραμμής εντολών. Ένα κλειδί API της κονσόλας xAI για να δοκιμάσετε τα παραδείγματα.
Διάρκεια
1 ώρα — 16 μαθήματα
Μορφές παράδοσης
100% διαδικτυακή αυτοβελτίωση, διαθέσιμη 24/7 από οποιονδήποτε φυλλομετρητή. Η πρόοδος αποθηκεύεται και συνεχίζετε όποτε θέλετε. Εκτιμώμενη διάρκεια: 1 ώρα
Αξιολόγηση
Αυτοαξιολόγηση με βάση τα Βασικά σημεία που κλείνουν κάθε μάθημα, και άμεση εξάσκηση των παραδειγμάτων στις δικές σας περιπτώσεις. Ένα τελικό κουίζ 5 διορθωμένων ερωτήσεων, στο τέλος του τελευταίου μαθήματος, επιβεβαιώνει όσα μάθατε.
Προσβασιμότητα
Κατάρτιση σε δικό σας ρυθμό, προσβάσιμη σε άτομα με αναπηρία: κείμενα συμβάτα 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 Το σημείο πρόσβασης WebSocket και η σύνδεση σε πραγματικό χρόνο
  2. 02 Πιστοποίηση και εφήμερα διακριτικά
  3. 03 Διαμόρφωση της συνεδρίας με το session.update
  4. 04 Τα συμβάντα session.created και session.updated
  5. 05 Μορφές ήχου: PCM και G.711
  6. 06 VAD: αυτόματη ανίχνευση ομιλίας
  7. 07 Αποστολή ήχου με input_audio_buffer.append
  8. 08 Επιβεβαίωση και εκκαθάριση του buffer ήχου
  9. 09 Γεγονότα πελάτη-προς-διακομιστή
  10. 10 Γεγονότα διακομιστή προς πελάτη
  11. 11 Λήψη και αναπαραγωγή του ήχου απόκρισης
  12. 12 Συμβάντα MCP σε συνομιλίες φωνής
  13. 13 Κλήση συναρτήσεων μέσω φωνής
  14. 14 Ενσωματωμένα εργαλεία: αναζήτηση web, X και συλλογές
  15. 15 Τηλεφωνία: SIP, LiveKit και G.711
  16. 16 Βοηθητικά εργαλεία μετατροπής ήχου στην Python