Seansi konfigureerimine session.update abil
Sellel lehel
Uuendatud 3. novembril 2026, tuginedes xAI Speech to Speech ja Text to Speech lehekülgedele: 28 sisseehitatud häält ning
turn_detection, mis määratakse ainult selletypeväljaga (valikulineidle_timeout_ms). Allikad: Speech to Speech · Text to Speech.
Konfigureeri oma hääleagent
Kui WebSocketi ühendus on avatud ja oled saanud session.created sündmuse, konfigureeri seanss, saates session.update sõnumi. Siin määratled, kuidas sinu hääleagent käitub: selle isiksus, hääl, kasutatavad tööriistad ja kõnevoorude tuvastamise viis.
session.update täielik struktuur
Siin on üksikasjalik konfigureerimise näide:
{
"type": "session.update",
"session": {
"instructions": "You are a professional voice assistant for a law firm. Answer concisely and precisely. Use a formal tone.",
"voice": "Rex",
"tools": [
{"type": "web_search"},
{
"type": "function",
"name": "look_up_case",
"description": "Looks up a client case by number",
"parameters": {
"type": "object",
"properties": {
"case_number": {
"type": "string",
"description": "Client case number"
}
},
"required": ["case_number"]
}
}
],
"turn_detection": {
"type": "server_vad"
},
"audio": {
"input": {
"format": {"type": "audio/pcm", "rate": 24000}
},
"output": {
"format": {"type": "audio/pcm", "rate": 24000}
}
}
}
}
Sätted lähemalt
Juhised (süsteemi vihje)
Väli instructions vastab teksti-API-de süsteemi vihjele: see määrab sinu hääleagendi isiksuse, konteksti ja piirangud. Kirjutamisel tuleb arvestada häälepõhise suhtluse eripäraga: lühidus. Iga vihje token töödeldakse enne esimest vastust ja liiga pikk vihje tekitab märgatava viivituse kohe, kui kõne ühendatakse. Püsi olulises ja vii üksikasjad oma rakenduse loogikasse. Selles kitsas mahus väärivad kohta kolm asja. Toon (formaalne, sõbralik, tehniline), sest hääleagent kehastab sõna otseses mõttes sinu brändi kliendi kõrvus. Keel: täpsusta see („vasta inglise keeles“), vastasel juhul võib agent järgida kasutaja või küsimuse keelt. Ja piirangud: mida agent teha saab ja eelkõige mida ta peab keelduma või inimesele edastama, sest telefonitsi väljub teemaväline vastus enne, kui keegi jõuab seda üle vaadata.
Hääl
Säte voice aktsepteerib ühte xAI 28-st sisseehitatud häälest (seisuga 3. november 2026), mida jagavad hääleagent ja tekst-kõneks teisendus, või Custom Voices API-ga loodud kohandatud hääle ID-d. Hääle ID-d ei erista suur- ja väiketähti: eve, Eve ja EVE viitavad kõik samale häälele. Iga hääl räägib kõiki toetatud keeli.
Viis algset häält, nagu xAI neid kirjeldab:
- eve: energiline ja rõõmus, Briti aktsent
- ara: soe ja sõbralik
- rex: enesekindel ja selge
- sal: sujuv ja tasakaalukas
- leo: autoriteetne ja võimas, Briti aktsent
Nendega liitub kakskümmend kolm uuemat häält: carina, zagan, helix, orion, luna, iris, altair, zenith, perseus, helios, lux, kepler, rigel, cosmo, celeste, ursa, sirius, lumen, castor, naksh, atlas, aurora ja liora. Praeguse nimekirja koos iga hääle tooni ja kasutusjuhtudega saad päringuga GET /v1/tts/voices või xAI Text to Speech leheküljelt.
Tööriistad
Massiiv tools määratleb tööriistad, mida agent saab vestluse ajal kutsuda. Saad kombineerida mitut tüüpi: veebiotsing, X-otsing, kohandatud funktsioonid, RAG-kogud ja MCP-serverid. Järgmistes õppetundides käsitletakse tööriistu üksikasjalikumalt.
Helikonfiguratsioon
Objekt audio määrab sisendi ja väljundi vormingud. Sisendi ja väljundi jaoks saad kasutada erinevaid vorminguid, kui sinu arhitektuur seda nõuab (näiteks G.711 vastuvõtmine telefonisüsteemist ja PCM-i saatmine brauserisse).
Seansi uuendamine vestluse käigus
Saad saata session.update mitu korda vestluse ajal. See võimaldab muuta agendi käitumist reaalajas:
// Muuda häält vestluse käigus
ws.send(JSON.stringify({
type: "session.update",
session: {
voice: "Ara"
}
}));
// Lisa veel üks tööriist
ws.send(JSON.stringify({
type: "session.update",
session: {
tools: [
{ type: "web_search" },
{ type: "x_search" }
]
}
}));
xAI dokumentatsioon toetab sõnaselgelt seansi keskel tehtavaid muudatusi mitme sätte puhul (transkriptsioonikeel, märksõnad, häälduse asendused, heli transport) ja session.updated kinnitab neid: kontrolli seda, et veenduda rakendatud konfiguratsioonis.
Peamised punktid
session.updateon esimene sõnum, mis tuleb saata pärastsession.created- Väli
instructionsmäärab agendi isiksuse ja piirangud - Saadaval on 28 sisseehitatud häält (sh eve, ara, rex, sal ja leo) ning kohandatud hääled
- Helikonfiguratsioon ja tööriistad on kohandatavad
- Saad saata
session.updatemitu korda, et muuta käitumist vestluse käigus