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
- 01 Το σημείο πρόσβασης WebSocket και η σύνδεση σε πραγματικό χρόνο
- 02 Πιστοποίηση και εφήμερα διακριτικά
- 03 Διαμόρφωση της συνεδρίας με το session.update
- 04 Τα συμβάντα session.created και session.updated
- 05 Μορφές ήχου: PCM και G.711
- 06 VAD: αυτόματη ανίχνευση ομιλίας
- 07 Αποστολή ήχου με input_audio_buffer.append
- 08 Επιβεβαίωση και εκκαθάριση του buffer ήχου
- 09 Γεγονότα πελάτη-προς-διακομιστή
- 10 Γεγονότα διακομιστή προς πελάτη
- 11 Λήψη και αναπαραγωγή του ήχου απόκρισης
- 12 Συμβάντα MCP σε συνομιλίες φωνής
- 13 Κλήση συναρτήσεων μέσω φωνής
- 14 Ενσωματωμένα εργαλεία: αναζήτηση web, X και συλλογές
- 15 Τηλεφωνία: SIP, LiveKit και G.711
- 16 Βοηθητικά εργαλεία μετατροπής ήχου στην Python