Lähetä ja tyhjennä äänipuskuri
Tällä sivulla
Päivitetty 3. marraskuuta 2026 xAI Voice API -viitteiden perusteella:
input_audio_buffer.commiton käytettävissä vain, kunturn_detection.typeonnull; tilassaserver_vadpalvelin 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:
- Luo uuden keskustelukohdan kertyneellä äänellä
- Lähettää
input_audio_buffer.committed-tapahtuman vahvistukseksi - Lähettää
conversation.item.added-tapahtuman uudella kohteella - 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:
- Se havaitsee puheen alun (
speech_started) - Se kerää äänen puskuriin
- Se havaitsee puheen lopun (
speech_stopped) - Se lähettää puskurin automaattisesti
- 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:
- Lähetät ääntä komennolla
append - Päätät, milloin käyttäjä on lopettanut
- Lähetät komennon
commit - Lähetät komennon
response.create
Vertailu
| Näkökohta | VAD-tila | Manuaalinen tila |
|---|---|---|
| Puheen havaitseminen | Automaattinen | Sinun tehtäväsi |
| Puskurin lähetys | Automaattinen | Manuaalinen (commit) |
| Vastauspyyntö | Automaattinen | Manuaalinen (response.create) |
| Hallinta | Vähemmän hallintaa | Täysi hallinta |
| Monimutkaisuus | Yksinkertainen | Monimutkaisempi |
| Käyttökohteet | Vapaasti etenevä keskustelu | Puhepainike, IVR |
Keskeiset asiat
input_audio_buffer.commitlähettää äänipuskurin käyttäjän viestinäinput_audio_buffer.cleartyhjentää puskurin ilman käsittelyä- VAD-tilassa lähetys tapahtuu automaattisesti, kun puheen loppu havaitaan
- Manuaalisessa tilassa (
turn_detection.typeasetettu arvoonnull), sinun on lähetettäväcommitja sen jälkeenresponse.createeksplisiittisesti;commiton käytettävissä vain tässä tilassa - Manuaalinen tila sopii puhepainike-käyttöliittymiin ja IVR-puhelinjärjestelmiin