Ailtireacht WebSocket an API Fíor-Ama
Ar an leathanach seo
Nuashonraithe 2 Samhain, 2026 — Múnlaí fuaime. Tá roinnt múnlaí sa chúrsa seo as feidhm anois: stopfaidh
tts-1,tts-1-hd, agusgpt-4o-mini-ttsag obair ar 6 Eanáir, 2027 (ionadaí:gpt-realtime-2.1-mini, a deir treoir TTS OpenAI nach dtacaítear leis le/v1/audio/speech: aistrítear sintéis cainte chuig an API Fíor-Ama); stopfaidhgpt-realtime,gpt-4o-realtime, agus múnlaí fuaime oidhreachta ar 20 Eanáir, 2027 (gpt-realtime-2.1,gpt-realtime-2.1-mini,gpt-audio-1.5); stopfaidhwhisper-1,gpt-4o-transcribe, agus/v1/audio/translationsar 26 Feabhra, 2027 (gpt-transcribe,gpt-live-transcribe,v1/realtime/translations). Maidir le guth lán-dúbailte, tá GPT-Live 1 ar fáil san API ón 10 Meán Fómhair, 2026. Forlíonadh 3 Samhain, 2026: alt ar thrí ailtireacht gutha OpenAI (GPT-Live, API Fíor-Ama, slabhra próiseála) agus roghnú iompair (WebRTC, WebSocket, SIP), bunaithe ar na treoracha Voice agents, Audio and voice, agus Getting started with the Realtime API; uastréimhse seisiúin: 60 nóiméad (Realtime conversations).
Ailtireacht WebSocket an API Fíor-Ama
Is athrú bunúsach paraidíme é API Fíor-Ama OpenAI ar an gcaoi a ndéanann tú idirghníomhú le múnlaí teanga. Murab ionann agus APIanna REST traidisiúnta a oibríonn ar thimthriall iarratais-freagartha, úsáideann an API Fíor-Ama an prótacal WebSocket chun nasc leanúnach, déthreoch a bhunú idir d’iarratas agus an múnla.
Cuireann an ailtireacht seo malartú fuaime fíor-ama ar chumas: seolann tú fuaim, déanann an múnla próiseáil uirthi, agus freagraíonn sé go guthach le moill íseal, ag scipeáil céimeanna idirmheánacha tras-scríofa nó téacs-go-labhra. Is ceann de na bloic thógála lárnacha é seo do ghníomhairí gutha comhráite agus croílár an chúrsa seo.
Trí Ailtireacht Ghutha in 2026
Sula ndéanann tú WebSocket a oscailt, cuir an API Fíor-Ama i gcomhthéacs le réitigh eile OpenAI. Déanann an treoir Voice agents idirdhealú idir trí chur chuige:
| Ailtireacht | Is fearr do | Cén fáth é a roghnú |
|---|---|---|
| GPT-Live | Comhráite lán-dúbailte le cúlchóras ar leith | Éisteann an múnla gutha agus é ag caint agus tarmligean sé réasúnaíocht agus úsáid uirlisí do chúlchóras de do rogha; coinníonn sé do ghníomhaire téacs reatha slán |
| API Fíor-Ama | Caint, réasúnaíocht, agus uirlisí i seisiún amháin | Déanann múnla amháin léirmhíniú ar an bhfuaim, cinneann sé cad atá le déanamh, agus labhraíonn sé an freagra |
| Slabhra próiseála | Rialú gránach ar gach céim | Tras-scríobh, ansin gníomhaire téacs, ansin sintéis cainte: déanann tú cigireacht ar an téacs nó claochlú air idir céimeanna agus malartaíonn tú gach comhpháirt go neamhspleách |
Do fheidhmchláir nua comhrá gutha, molann leathanach Audio and voice OpenAI tosú le GPT-Live. Is é an API Fíor-Ama an pointe tosaigh ceart fós nuair a chaithfidh an gníomhaire oiriúnú laistigh de sheisiún amháin, ag tacú le cur isteach ón úsáideoir, chéad fhreagra fuaime tapa, tógáil troide nádúrtha, agus glaonna uirlisí díreacha. Oibríonn an slabhra próiseála is fearr nuair a chaithfidh gach céim a bheith infheicthe: tras-scríbhinní a choinneáil, rialacha a fhorfheidhmiú sula bhfreagraíonn an gníomhaire, nó guth a astú ach amháin tar éis an freagra a bhailíochtú.
Díríonn an cúrsa seo ar an API Fíor-Ama agus ar an slabhra próiseála, a gcumhdaítear a gcomhpháirteanna (tras-scríobh, sintéis cainte) i rannáin ina dhiaidh sin.
WebRTC, WebSocket, nó SIP
Braitheann do rogha iompair ar an áit a dtagann an fhuaim ón taobh istigh. De réir na doiciméadachta: úsáid WebRTC le haghaidh fuaime brabhsála, le rún sealadach cliant arna ghiniúint ag do fhreastalaí; WebSocket le haghaidh píblínte fuaime taobh freastalaí; SIP le haghaidh glaonna teileafóin. Ligeann nasc rialaithe taobh freastalaí freisin do chúlchóras iontaofa seisiún meán a bhreathnú agus a stiúradh. Mionsonraíonn an ceacht seo WebSocket, an bealach is simplí chun na himeachtaí malartaithe a thuiscint; i mbrabhsálaí, is fearr WebRTC a úsáid. Ní mhairfidh seisiún Fíor-Ama níos faide ná 60 nóiméad.
WebSocket vs. REST: Cén fáth an Rogha Seo?
In ailtireacht REST traidisiúnta, éilíonn gach idirghníomhaíocht iarratas HTTP iomlán: nasc TCP a oscailt, comhaontú TLS, ceanntásc a sheoladh, fanacht leis an bhfreagra, agus an nasc a dhúnadh. Le haghaidh fuaime fíor-ama, tá an t-ualach seo ró-mhór.
| Critéar | REST (API Freagartha) | WebSocket (API Fíor-Ama) |
|---|---|---|
| Moill | 200–500 ms in aghaidh an iarratais | < 50 ms tar éis an naisc |
| Treo | Cliant → Freastalaí amháin | Déthreoch comhuaineach |
| Nasc | Nua do gach iarratas | Leanúnach (seisiún) |
| Fuaim | Teastaíonn comhad iomlán | Sruthú píosa ar phíosa |
Coinníonn an prótacal WebSocket cainéal oscailte go leanúnach. Nuair a bhunaítear é, is féidir leis an gcliant agus leis an bhfreastalaí teachtaireachtaí a sheoladh ag am ar bith gan fanacht go gcríochnóidh an ceann eile.
Nasc WebSocket a Bhunú
Seo conas nasc a bhunú leis an API Fíor-Ama i bPython:
import asyncio
import websockets
import json
OPENAI_API_KEY = "sk-..."
URL = "wss://api.openai.com/v1/realtime?model=gpt-realtime-2.1"
async def connect_realtime():
headers = {
"Authorization": f"Bearer {OPENAI_API_KEY}"
}
async with websockets.connect(URL, additional_headers=headers) as ws:
print("Connected to Realtime API")
# Faigh an t-imeacht fáilte
response = await ws.recv()
event = json.loads(response)
print(f"Type: {event['type']}")
# → "session.created"
# Coinnigh an nasc oscailte
await asyncio.Future()
asyncio.run(connect_realtime())
Áirítear an múnla mar pharaiméadar ceiste san URL naisc. Ós rud é gur tháinig an API ar fáil go ginearálta, níl de dhíth ach an ceanntasc fíordheimhniúcháin—tá an ceanntasc OpenAI-Beta: realtime=v1 ón gcéim bhéite imithe.
Comhéadan faoi deara 5 Lúnasa, 2026 — Forbraíonn an API Fíor-Ama (múnlaí, ainmneacha imeachtaí, formáid seisiúin): nuair a bheidh amhras ort, seiceáil an doiciméadú oifigiúil.
Ailtireacht Feidhmchláir Fíor-Ama
Leanann feidhmchlár a úsáideann an API Fíor-Ama ailtireacht shraitheach:
Sraith fuaime (gabháil/athsheinm)
Gabhann sé an micreafón, seinneann sé freagraí fuaime. Úsáideann sé PyAudio, sounddevice, nó an Web Audio API sa bhrabhsálaí.
Sraith WebSocket (iompar)
Bainistíonn sé an nasc leanúnach, déanann sé ionchódú/díchódú ar imeachtaí JSON, agus láimhseálann sé athnascadh.
Sraith feidhmchláir (loighic gnó)
Déanann sé comhordú ar an gcomhrá, bainistíonn sé an comhthéacs, glaonn sé ar uirlisí, agus próiseálann sé torthaí.
Sraith freastalaí (seachfhreastalaí roghnach)
Sa táirgeadh, cosnaíonn freastalaí idirmheánach an eochair API agus cuireann sé loighic gnó taobh freastalaí leis.
Ról an Fhreastalaí Seachfhreastalaí
Le linn forbartha, is féidir leat d’iarratas a nascadh go díreach leis an API Fíor-Ama. Sa táirgeadh, tá freastalaí seachfhreastalaí riachtanach chun:
- Do eochair API a chosaint — ná nocht í ar thaobh an chliaint riamh
- Do chuid úsáideoirí a fhíordheimhniú — fíoraigh comharthaí sula n-osclaítear an seisiún
- Costais a rialú — teorainn a chur le fad an tseisiúin agus úsáid token
- Idirghníomhaíochtaí a logáil — le haghaidh dífhabhtaithe agus comhlíontachta
# Sampla simplithe de sheachfhreastalaí WebSocket le FastAPI
from fastapi import FastAPI, WebSocket
import websockets
app = FastAPI()
@app.websocket("/ws/realtime")
async def proxy_realtime(client_ws: WebSocket):
await client_ws.accept()
headers = {"Authorization": f"Bearer {OPENAI_API_KEY}"}
async with websockets.connect(URL, additional_headers=headers) as openai_ws:
async def forward_to_openai():
async for message in client_ws.iter_text():
await openai_ws.send(message)
async def forward_to_client():
async for message in openai_ws:
await client_ws.send_text(message)
await asyncio.gather(forward_to_openai(), forward_to_client())
Príomhphointí
- Trí ailtireacht gutha ag OpenAI: GPT-Live (molta d’fheidhmchláir chomhráite nua), API Fíor-Ama (caint, réasúnaíocht, agus uirlisí i seisiún amháin), agus an slabhra tras-scríobh → gníomhaire → sintéis
- WebRTC le haghaidh fuaime brabhsála, WebSocket le haghaidh píblínte freastalaí, SIP le haghaidh teileafóine; mairfidh seisiúin 60 nóiméad ar a mhéad
- Úsáideann an API Fíor-Ama WebSocket le haghaidh cumarsáide déthreoigh íseal-mhoille
- Tá an nasc leanúnach: oscailt amháin don seisiún comhráite iomlán
- Scarann ailtireacht shraitheach fuaim, iompar, loighic gnó, agus seachfhreastalaí freastalaí
- Sa táirgeadh, tá freastalaí seachfhreastalaí riachtanach le haghaidh slándála agus rialaithe costais
- Is prótacal tiomáinte ag imeachtaí é: is oibiacht JSON le réimse
typegach teachtaireacht