Edición en español
API en tiempo real y agentes de voz
Este curso abarca la API en tiempo real, Whisper, TTS y la creación de agentes de voz completos para telefonía y asistentes.
18 lecciones ca. 1 h 15 min Desarrollador
Lo que aprenderás
- Establecer una sesión WebSocket con la API en tiempo real y gestionar eventos del ciclo de vida
- Transmitir audio bidireccional mientras se gestionan interrupciones y turnos de conversación
- Transcribir y traducir archivos de audio con Whisper optimizando la calidad según el idioma
- Generar voz con la API TTS controlando la voz, la prosodia y la velocidad
- Construir un agente de voz integrado con telefonía y dominar su latencia en producción
Ficha del curso
- Dirigido a
- Desarrolladores, ingenieros e integradores que buscan aprovechar ChatGPT mediante API en sus aplicaciones.
- Requisitos previos
- Capacidad para leer Python y JSON, conocimientos básicos de línea de comandos. Una clave API de la plataforma OpenAI para probar los ejemplos.
- Duración
- 1 h 15 min — 18 lecciones
- Modalidades
- Curso 100 % en línea y a tu propio ritmo, accesible 24/7 desde un navegador. Progreso guardado, reanuda cuando quieras. Duración estimada: 45 min.
- Evaluación
- Cuestionarios de validación integrados en el curso. Cada lección termina con sus puntos clave, lo que favorece la autoevaluación.
- Accesibilidad
- Curso a tu propio ritmo accesible para personas con discapacidad: contenido de texto compatible con lectores de pantalla, navegación por teclado y contrastes conformes. Para cualquier necesidad de adaptación, escribe a [email protected].
- Precio
- Gratis
Contenido del curso
- 01 Arquitectura WebSocket de la Realtime API
- 02 Sesiones, eventos y ciclo de vida
- 03 Streaming de audio bidireccional
- 04 Llamadas a funciones en tiempo real
- 05 Interrupciones y gestión de turnos
- 06 Transcribir un archivo de audio: gpt-transcribe y Whisper
- 07 Formatos e idiomas compatibles
- 08 Traducción automática
- 09 Optimizar la calidad de la transcripción
- 10 La API TTS: Generación de voz
- 11 Voces disponibles y personalización
- 12 Transmisión de audio en tiempo real
- 13 Control de la prosodia y la velocidad del habla
- 14 Construye un agente de voz completo
- 15 Integración de telefonía (Twilio, etc.)
- 16 Asistente de voz multimodal
- 17 Latencia y optimización en tiempo real
- 18 Producción: escalado y monitorización