Edición en español
API de agente de voz: conversaciones en tiempo real
Crea agentes de voz sobre WebSocket: VAD, llamada a funciones de voz, eventos e integración con teléfonos SIP.
16 lecciones ca. 1 h Desarrollador
Lo que aprenderás
- Abrir una sesión WebSocket en tiempo real autenticada con tokens efímeros y configurada mediante session.update
- Procesar flujos de audio PCM y G.711 mientras se gestiona la detección automática de voz
- Gestionar el ciclo de eventos de cliente a servidor y de servidor a cliente de una conversación
- Activar la llamada a funciones de voz y herramientas integradas durante un intercambio en directo
- Conectar un agente de voz a telefonía mediante SIP y LiveKit, y convertir audio en Python
Ficha del curso
- Dirigido a
- Desarrolladores, ingenieros e integradores que quieran usar Grok a través de la API en sus aplicaciones.
- Requisitos previos
- Capacidad para leer Python o JavaScript y JSON, además de conocimientos básicos de línea de comandos. Una clave de API desde la consola de xAI para probar los ejemplos.
- Duración
- 1 h — 16 lecciones
- Modalidades
- 100 % en línea y a tu propio ritmo, disponible 24/7 desde cualquier navegador. Tu progreso se guarda, así que puedes retomarlo donde lo dejaste en cualquier momento. Tiempo estimado: 1 h.
- Evaluación
- Autoevaluación con los puntos clave al final de cada lección y práctica aplicada usando los ejemplos en tus propios casos de uso. Un cuestionario final de 5 preguntas con respuestas, al terminar la última lección, te permite comprobar lo aprendido.
- Accesibilidad
- Este curso está diseñado para ser accesible a personas con discapacidad: contenido de texto compatible con lectores de pantalla, navegación por teclado y contraste de colores conforme a normativa. Para cualquier solicitud de adaptación, escribe a [email protected].
- Precio
- Gratis
Contenido del curso
- 01 El extremo WebSocket y la conexión en tiempo real
- 02 Autenticación y tokens efímeros
- 03 Configura la sesión con session.update
- 04 Los eventos session.created y session.updated
- 05 Formatos de audio: PCM y G.711
- 06 VAD: detección automática de voz
- 07 Enviar audio con input_audio_buffer.append
- 08 Confirmar y vaciar el búfer de audio
- 09 Eventos de cliente a servidor
- 10 Eventos de servidor a cliente
- 11 Recibir y reproducir el audio de la respuesta
- 12 Eventos MCP en conversaciones de voz
- 13 Llamadas a funciones por voz
- 14 Herramientas integradas: búsqueda web, X y colecciones
- 15 Telefonía: SIP, LiveKit y G.711
- 16 Utilidades de conversión de audio en Python