Ir al contenido principal
Español— Elegir un idioma
Menú

Eventos de servidor a cliente

Lección 10 de 16 Actualizado el 30 de julio de 2026 Desarrollador
En esta página
  1. Los mensajes que recibes
  2. Eventos de sesión y conversación
  3. Eventos del búfer de audio
  4. Eventos de audio de respuesta
  5. Eventos de transcripción
  6. Eventos de texto
  7. Eventos de llamada a funciones
  8. response.done
  9. El evento de error
  10. Puntos clave

Los mensajes que recibes

El servidor envía numerosos eventos para mantenerte informado sobre el estado de la conversación, entregar el audio de respuesta y notificar errores. Comprender estos eventos es esencial para construir una aplicación receptiva y fiable.

Eventos de sesión y conversación

Estos eventos llegan cuando se establece la conexión y después de cada cambio de configuración:

  • session.created: la sesión está abierta; el evento contiene la configuración de la sesión
  • session.updated: la configuración se ha actualizado correctamente
  • conversation.created: el canal de conversación está configurado

Eventos del búfer de audio

Estos eventos te informan sobre la actividad de voz que detecta el VAD:

  • input_audio_buffer.speech_started: el VAD detecta que el usuario ha empezado a hablar
  • input_audio_buffer.speech_stopped: el VAD detecta el final del habla
  • input_audio_buffer.committed: el búfer de audio se ha confirmado como un mensaje
ws.on("message", (data) => {
  const event = JSON.parse(data);

  switch (event.type) {
    case "input_audio_buffer.speech_started":
      // El usuario está hablando: muestra un indicador visual
      showSpeakingIndicator(true);
      break;

    case "input_audio_buffer.speech_stopped":
      // El usuario ha terminado: oculta el indicador
      showSpeakingIndicator(false);
      break;

    case "input_audio_buffer.committed":
      // El mensaje de audio se está procesando
      showProcessingIndicator(true);
      break;
  }
});

Eventos de audio de respuesta

El audio de respuesta se transmite mediante dos eventos.

response.output_audio.delta

Cada delta contiene un fragmento de audio codificado en base64. Recógelos y reprodúcelos en orden:

{
  "type": "response.output_audio.delta",
  "delta": "SGVsbG8gV29ybGQ...",
  "item_id": "item_resp_001",
  "output_index": 0,
  "content_index": 0
}
case "response.output_audio.delta":
  const audioChunk = base64ToArrayBuffer(event.delta);
  audioPlayer.enqueue(audioChunk);
  break;

response.output_audio.done

Indica que se ha enviado todo el audio de la respuesta:

{
  "type": "response.output_audio.done",
  "item_id": "item_resp_001"
}

Eventos de transcripción

La API puede transcribir tanto el audio del usuario como el audio de la respuesta:

  • conversation.item.input_audio_transcription.completed: una transcripción de lo que ha dicho el usuario
  • response.output_audio_transcript.delta: una transcripción en flujo continuo de la respuesta del agente
case "conversation.item.input_audio_transcription.completed":
  console.log("El usuario ha dicho:", event.transcript);
  displayUserMessage(event.transcript);
  break;

case "response.output_audio_transcript.delta":
  appendAgentTranscript(event.delta);
  break;

Eventos de texto

Si el agente genera texto (además del audio o en su lugar), recibirás:

  • response.text.delta: un fragmento de texto en flujo continuo
{
  "type": "response.text.delta",
  "delta": "Tu pedido ha sido"
}

Eventos de llamada a funciones

Cuando el agente decide llamar a una función, se emiten dos eventos:

  • response.function_call_arguments.delta: los argumentos de la función, en flujo continuo
  • response.function_call_arguments.done: la llamada a la función completa con todos sus argumentos

La lección 13, sobre la llamada a funciones por voz, trata estos eventos en detalle.

response.done

Este evento marca el final completo de una respuesta. Contiene un resumen de la respuesta, incluidas las estadísticas de uso:

{
  "type": "response.done",
  "response": {
    "id": "resp_001",
    "status": "completed",
    "output": [...]
  }
}

El evento de error

Este evento notifica errores. Según la referencia de xAI, la mayoría de los errores son recuperables y la conexión WebSocket permanece abierta:

{
  "type": "error",
  "error": {
    "type": "invalid_request_error",
    "message": "Formato de audio no válido especificado"
  }
}

Tu aplicación debe registrar estos errores y, dependiendo de su gravedad, mostrar un mensaje al usuario o intentar solucionar el problema automáticamente.

Puntos clave

  • El servidor envía eventos para cada paso: detección de voz, audio, transcripción, texto y errores
  • El audio de respuesta llega como fragmentos en base64 a través de response.output_audio.delta
  • Hay transcripciones disponibles tanto para la entrada del usuario como para la salida del agente
  • response.done marca el final de una respuesta completa
  • La mayoría de los errores notificados mediante el evento error son recuperables: la conexión permanece abierta