Ir al contenido principal
Español— Elegir un idioma
Menú

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

  1. 01 El extremo WebSocket y la conexión en tiempo real
  2. 02 Autenticación y tokens efímeros
  3. 03 Configura la sesión con session.update
  4. 04 Los eventos session.created y session.updated
  5. 05 Formatos de audio: PCM y G.711
  6. 06 VAD: detección automática de voz
  7. 07 Enviar audio con input_audio_buffer.append
  8. 08 Confirmar y vaciar el búfer de audio
  9. 09 Eventos de cliente a servidor
  10. 10 Eventos de servidor a cliente
  11. 11 Recibir y reproducir el audio de la respuesta
  12. 12 Eventos MCP en conversaciones de voz
  13. 13 Llamadas a funciones por voz
  14. 14 Herramientas integradas: búsqueda web, X y colecciones
  15. 15 Telefonía: SIP, LiveKit y G.711
  16. 16 Utilidades de conversión de audio en Python