Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Lähetä ja tyhjennä äänipuskuri

Oppitunti 8 / 16 Päivitetty 3. marraskuuta 2026 Kehittäjä
Tällä sivulla
  1. Äänipuskurin hallinta
  2. input_audio_buffer.commit
  3. input_audio_buffer.clear
  4. VAD-tila versus manuaalinen tila
  5. Keskeiset asiat

Päivitetty 3. marraskuuta 2026 xAI Voice API -viitteiden perusteella: input_audio_buffer.commit on käytettävissä vain, kun turn_detection.type on null; tilassa server_vad palvelin lähettää äänen itse. Lähde: Voice API.

Äänipuskurin hallinta

Kun lähetät ääntä komennolla input_audio_buffer.append, data kertyy palvelimella olevaan puskuriin. Puskuria ohjataan kahdella toiminnolla: commit lähettää sen sisällön käyttäjän viestinä ja clear tyhjentää sen ilman käsittelyä.

input_audio_buffer.commit

Tämä tapahtuma lähettää äänipuskurin nykyisen sisällön käyttäjän viestinä. Se on pakollinen manuaalisessa tilassa (puhepainike) ja automaattinen VAD-tilassa:

{
  "type": "input_audio_buffer.commit"
}

Kun palvelin vastaanottaa commit-komennon, se:

  1. Luo uuden keskustelukohdan kertyneellä äänellä
  2. Lähettää input_audio_buffer.committed-tapahtuman vahvistukseksi
  3. Lähettää conversation.item.added-tapahtuman uudella kohteella
  4. Aloittaa äänen litteroinnin (jos käytössä)

Palvelimen vastaus

{
  "type": "input_audio_buffer.committed",
  "item_id": "item_audio_001"
}

item_id:n avulla voit viitata tähän viestiin keskustelussa myöhemmin.

Milloin lähettää manuaalisesti

  • Puhepainike: käyttäjä pitää painiketta pohjassa puhuessaan ja vapauttaa sen lähettääkseen
  • Manuaalinen segmentointi: jaat äänivirran loogisiin osiin asiakaspuolella
  • Puhelinintegraatio: vastaanotat äänipaketteja PBX-järjestelmästä ja lähetät ne kunkin vuoron lopussa
// Puhepainike-esimerkki
talkButton.addEventListener("mousedown", () => {
  isRecording = true;
  startCapture();
});

talkButton.addEventListener("mouseup", () => {
  isRecording = false;
  stopCapture();

  // Lähetä puskuri
  ws.send(JSON.stringify({
    type: "input_audio_buffer.commit"
  }));

  // Pyydä vastausta
  ws.send(JSON.stringify({
    type: "response.create"
  }));
});

input_audio_buffer.clear

Tämä tapahtuma tyhjentää äänipuskurin luomatta viestiä keskusteluun:

{
  "type": "input_audio_buffer.clear"
}

Palvelin vahvistaa tämän seuraavasti:

{
  "type": "input_audio_buffer.cleared"
}

Milloin tyhjentää

  • Peruutus: käyttäjä painaa “Peruuta”-painiketta puhuessaan
  • Keskeytys: käyttäjä aloittaa puhumisen, mutta toinen tapahtuma keskeyttää vuoron
  • Nollaus: virheen tai aikakatkoksen jälkeen tyhjennä puskuri ennen uudelleenaloitusta
  • Taustamelu: järjestelmä havaitsee, että puskuri sisältää vain melua, ei puhetta
cancelButton.addEventListener("click", () => {
  stopCapture();
  ws.send(JSON.stringify({
    type: "input_audio_buffer.clear"
  }));
  showMessage("Äänitys peruutettu");
});

VAD-tila versus manuaalinen tila

VAD-tilassa (server_vad) palvelin hoitaa koko syklin automaattisesti:

  1. Se havaitsee puheen alun (speech_started)
  2. Se kerää äänen puskuriin
  3. Se havaitsee puheen lopun (speech_stopped)
  4. Se lähettää puskurin automaattisesti
  5. Se aloittaa vastauksen generoinnin automaattisesti

Manuaalisessa tilassa (turn_detection.type asetettu arvoon null) hoidat jokaisen vaiheen itse, ja tämä on ainoa tila, jossa input_audio_buffer.commit on käytettävissä:

  1. Lähetät ääntä komennolla append
  2. Päätät, milloin käyttäjä on lopettanut
  3. Lähetät komennon commit
  4. Lähetät komennon response.create

Vertailu

NäkökohtaVAD-tilaManuaalinen tila
Puheen havaitseminenAutomaattinenSinun tehtäväsi
Puskurin lähetysAutomaattinenManuaalinen (commit)
VastauspyyntöAutomaattinenManuaalinen (response.create)
HallintaVähemmän hallintaaTäysi hallinta
MonimutkaisuusYksinkertainenMonimutkaisempi
KäyttökohteetVapaasti etenevä keskusteluPuhepainike, IVR

Keskeiset asiat

  • input_audio_buffer.commit lähettää äänipuskurin käyttäjän viestinä
  • input_audio_buffer.clear tyhjentää puskurin ilman käsittelyä
  • VAD-tilassa lähetys tapahtuu automaattisesti, kun puheen loppu havaitaan
  • Manuaalisessa tilassa (turn_detection.type asetettu arvoon null), sinun on lähetettävä commit ja sen jälkeen response.create eksplisiittisesti; commit on käytettävissä vain tässä tilassa
  • Manuaalinen tila sopii puhepainike-käyttöliittymiin ja IVR-puhelinjärjestelmiin