Salvesta ja tühjenda helipuhver
Sellel lehel
Uuendatud 3. novembril 2026, lähtudes xAI Voice API dokumentatsioonist:
input_audio_buffer.commiton saadaval ainult siis, kuiturn_detection.typeonnull; režiimisserver_vadsalvestab server heli ise. Allikas: Voice API.
Helipuhvri haldamine
Kui saadad heli käsuga input_audio_buffer.append, koguneb data serveri puhvrisse. Seda puhvrit juhib kaks toimingut: commit saadab selle sisu kasutaja sõnumina edasi ja clear tühjendab selle ilma töötlemata.
input_audio_buffer.commit
See sündmus salvestab helipuhvri praeguse sisu kasutaja sõnumina. See on kohustuslik manuaalses režiimis (vajuta-räägi) ja automaatne VAD-režiimis:
{
"type": "input_audio_buffer.commit"
}
Kui server saab salvestuskäsu, teeb ta järgmist:
- Loob uue vestluse elemendi kogunenud heliga
- Saadab kinnituseks sündmuse
input_audio_buffer.committed - Saadab uue elemendiga sündmuse
conversation.item.added - Alustab heli transkribeerimist (kui see on lubatud)
Serveri vastus
{
"type": "input_audio_buffer.committed",
"item_id": "item_audio_001"
}
item_id võimaldab sul hiljem vestluses sellele sõnumile viidata.
Millal salvestada manuaalselt
- Vajuta-räägi: kasutaja hoiab rääkimiseks nuppu all ja vabastab selle saatmiseks
- Manuaalne segmenteerimine: jagad helivoogu kliendipoolel loogilisteks osadeks
- Telefoniga integreerimine: saad helilõike PBX-süsteemist ja salvestad need iga pöörde lõpus
// Vajuta-räägi näide
talkButton.addEventListener("mousedown", () => {
isRecording = true;
startCapture();
});
talkButton.addEventListener("mouseup", () => {
isRecording = false;
stopCapture();
// Salvesta puhver
ws.send(JSON.stringify({
type: "input_audio_buffer.commit"
}));
// Küsi vastust
ws.send(JSON.stringify({
type: "response.create"
}));
});
input_audio_buffer.clear
See sündmus tühjendab helipuhvri, loomata vestluses sõnumit:
{
"type": "input_audio_buffer.clear"
}
Server kinnitab seda järgmiselt:
{
"type": "input_audio_buffer.cleared"
}
Millal tühjendada
- Tühistamine: kasutaja vajutab rääkimise ajal nuppu “Tühista”
- Katkestamine: kasutaja alustab rääkimist, kuid teine sündmus katkestab pöörde
- Lähtestamine: pärast viga või aegumist tühjenda puhver enne uuesti alustamist
- Taustamüra: süsteem tuvastab, et puhver sisaldab ainult müra, mitte kõnet
cancelButton.addEventListener("click", () => {
stopCapture();
ws.send(JSON.stringify({
type: "input_audio_buffer.clear"
}));
showMessage("Salvestamine tühistatud");
});
VAD-režiim versus manuaalne režiim
VAD-režiimis (server_vad) haldab server kogu tsükli automaatselt:
- Tuvastab kõne alguse (
speech_started) - Kogub heli puhvrisse
- Tuvastab kõne lõpu (
speech_stopped) - Salvestab puhvri automaatselt
- Alustab automaatselt vastuse genereerimist
Manuaalses režiimis (turn_detection.type on määratud väärtusele null) haldad iga sammu ise ja see on ainus režiim, kus input_audio_buffer.commit on saadaval:
- Saadad heli käsuga
append - Otsustad, millal kasutaja on lõpetanud
- Saadad käsu
commit - Saadad käsu
response.create
Võrdlus
| Aspekt | VAD-režiim | Manuaalne režiim |
|---|---|---|
| Kõne tuvastamine | Automaatne | Sinu teha |
| Puhvri salvestamine | Automaatne | Manuaalne (commit) |
| Vastuse päring | Automaatne | Manuaalne (response.create) |
| Juhtimine | Vähem kontrolli | Täielik kontroll |
| Keerukus | Lihtne | Keerulisem |
| Kasutusjuhud | Vaba vestlus | Vajuta-räägi, IVR |
Peamised punktid
input_audio_buffer.commitsaadab helipuhvri kasutaja sõnumina edasiinput_audio_buffer.cleartühjendab puhvri ilma töötlemata- VAD-režiimis toimub salvestamine automaatselt, kui tuvastatakse kõne lõpp
- Manuaalses režiimis (
turn_detection.typeonnull) pead saatmacommitja seejärelresponse.createeksplicitiivselt;commiton saadaval ainult selles režiimis - Manuaalne režiim sobib vajuta-räägi liideste ja IVR-telefonisüsteemide jaoks