Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Salvesta ja tühjenda helipuhver

Õppetund 8 / 16 Värskendatud 3. november 2026 Arendajatele
Sellel lehel
  1. Helipuhvri haldamine
  2. input_audio_buffer.commit
  3. input_audio_buffer.clear
  4. VAD-režiim versus manuaalne režiim
  5. Peamised punktid

Uuendatud 3. novembril 2026, lähtudes xAI Voice API dokumentatsioonist: input_audio_buffer.commit on saadaval ainult siis, kui turn_detection.type on null; režiimis server_vad salvestab 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:

  1. Loob uue vestluse elemendi kogunenud heliga
  2. Saadab kinnituseks sündmuse input_audio_buffer.committed
  3. Saadab uue elemendiga sündmuse conversation.item.added
  4. 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:

  1. Tuvastab kõne alguse (speech_started)
  2. Kogub heli puhvrisse
  3. Tuvastab kõne lõpu (speech_stopped)
  4. Salvestab puhvri automaatselt
  5. 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:

  1. Saadad heli käsuga append
  2. Otsustad, millal kasutaja on lõpetanud
  3. Saadad käsu commit
  4. Saadad käsu response.create

Võrdlus

AspektVAD-režiimManuaalne režiim
Kõne tuvastamineAutomaatneSinu teha
Puhvri salvestamineAutomaatneManuaalne (commit)
Vastuse päringAutomaatneManuaalne (response.create)
JuhtimineVähem kontrolliTäielik kontroll
KeerukusLihtneKeerulisem
KasutusjuhudVaba vestlusVajuta-räägi, IVR

Peamised punktid

  • input_audio_buffer.commit saadab helipuhvri kasutaja sõnumina edasi
  • input_audio_buffer.clear tühjendab puhvri ilma töötlemata
  • VAD-režiimis toimub salvestamine automaatselt, kui tuvastatakse kõne lõpp
  • Manuaalses režiimis (turn_detection.type on null) pead saatma commit ja seejärel response.create eksplicitiivselt; commit on saadaval ainult selles režiimis
  • Manuaalne režiim sobib vajuta-räägi liideste ja IVR-telefonisüsteemide jaoks