Ir al contenido principal
Español— Elegir un idioma
Menú

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

  1. 01 Arquitectura WebSocket de la Realtime API
  2. 02 Sesiones, eventos y ciclo de vida
  3. 03 Streaming de audio bidireccional
  4. 04 Llamadas a funciones en tiempo real
  5. 05 Interrupciones y gestión de turnos
  6. 06 Transcribir un archivo de audio: gpt-transcribe y Whisper
  7. 07 Formatos e idiomas compatibles
  8. 08 Traducción automática
  9. 09 Optimizar la calidad de la transcripción
  10. 10 La API TTS: Generación de voz
  11. 11 Voces disponibles y personalización
  12. 12 Transmisión de audio en tiempo real
  13. 13 Control de la prosodia y la velocidad del habla
  14. 14 Construye un agente de voz completo
  15. 15 Integración de telefonía (Twilio, etc.)
  16. 16 Asistente de voz multimodal
  17. 17 Latencia y optimización en tiempo real
  18. 18 Producción: escalado y monitorización