Seisiúin, imeachtaí, agus timthriall saoil
Ar an leathanach seo
Nuashonraithe 2 Samhain, 2026 — Múnlaí fuaime. Tá roinnt múnlaí sa chúrsa seo tar éis dul in éag: 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 Realtime API);gpt-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);whisper-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.
Ceartaithe 3 Samhain, 2026. Bhí tras-scríobh ionchuir ag baint úsáide as
gpt-live-transcribe, nach n-oibríonn ach i seisiún tras-scríofa agus nach dtacaíonn leserver_vadná lesemantic_vad. I seisiún comhrá mar an ceann seo, áit a ndéanann VAD bailíochtú ar gach casadh, sonraíonn an doiciméadúgpt-transcribe, a thras-scríobhann casadh bailíochtaithe agus a úsáideann casadh roimhe seo mar chomhthéacs. Foinse: Realtime transcription · GPT-Transcribe · GPT-Live-Transcribe.
Seisiúin, imeachtaí, agus timthriall saoil
Cruthaíonn gach ceangal WebSocket leis an Realtime API seisiún. Is é an seisiún seo an t-aonad bunúsach bainistíochta: cuimsíonn sé cumraíocht an mhúnla, stair an chomhrá, uirlisí atá ar fáil, agus stádas reatha an idirghníomhaíochta. Tá sé ríthábhachtach tuiscint a bheith agat ar a thimthriall saoil chun gníomhairí gutha láidre a thógáil.
Timthriall saoil seisiúin
Chomh luath agus a bhunaítear an ceangal WebSocket, eisíonn an freastalaí imeacht session.created. Téann an seisiún trí roinnt céimeanna:
Ceangal → session.created
Deimhníonn an freastalaí an seisiún le ID uathúil agus cumraíocht réamhshocraithe.
Cumraíocht → session.update
Seolann tú session.update chun treoracha, guth, uirlisí, agus modhachtaí a shainiú.
Comhrá gníomhach
Malartú imeachtaí fuaime agus téacs idir an cliant agus an freastalaí.
Dúnadh → WebSocket disconnect
Scriostar an seisiún nuair a dhúntar an ceangal. Ní choinnítear aon stádas ar an bhfreastalaí.
Seisiún a chumrú
Tar éis session.created, seol imeacht session.update chun iompar an mhúnla a chumrú. Is roghnach é an té a úsáideann an t-úsáideoir a thras-scríobh (audio.input.transcription): gan é, faigheann tú an guth ach ní an téacs. Sonraíonn languages na teangacha a bhfuiltear ag súil leo agus feabhsaíonn sé an t-aithint:
import asyncio
import websockets
import json
async def configure_session():
headers = {
"Authorization": f"Bearer {OPENAI_API_KEY}"
}
async with websockets.connect(URL, additional_headers=headers) as ws:
# Fan le session.created
event = json.loads(await ws.recv())
session_id = event["session"]["id"]
print(f"Session created: {session_id}")
# Cumraigh an seisiún
await ws.send(json.dumps({
"type": "session.update",
"session": {
"type": "realtime",
"output_modalities": ["audio"],
"instructions": "You are a French-speaking voice assistant. "
"Respond concisely and naturally.",
"audio": {
"input": {
"format": {"type": "audio/pcm", "rate": 24000},
"transcription": {"model": "gpt-transcribe", "languages": ["fr"]},
"turn_detection": {
"type": "server_vad",
"threshold": 0.5,
"prefix_padding_ms": 300,
"silence_duration_ms": 500
}
},
"output": {
"format": {"type": "audio/pcm", "rate": 24000},
"voice": "marin"
}
},
"tools": []
}
}))
# Fan le deimhniú (d'fhéadfadh imeachtaí eile teacht ar dtús)
while True:
event = json.loads(await ws.recv())
if event["type"] == "session.updated":
print("Session updated")
break
if event["type"] == "error":
raise RuntimeError(event["error"]["message"])
Paraiméadair thábhachtacha seisiúin
| Paraiméadar | Cur síos | Luach molta |
|---|---|---|
| output_modalities | Modhachtaí aschuir | ["audio"] (nó ["text"]) |
| audio.output.voice | Guth sintéise | marin, cedar, alloy, echo, srl. |
| audio.input.turn_detection | Braith deireadh cainte | server_vad le tairseach 0.5 |
| audio.input.format | Formáid fuaime isteach | {"type": "audio/pcm", "rate": 24000} |
An córas imeachtaí
Tá an Realtime API tiomnaithe go hiomlán d’imeachtaí. Is oibiacht JSON í gach teachtaireacht a mhalartaítear le réimse type a chinneann a nádúr. Tagann imeachtaí faoi dhá chatagóir:
Imeachtaí cliant (tú → freastalaí)
# Na príomhimeachtaí a sheolann tú
client_events = {
"session.update": "Módhnú cumraíochta",
"input_audio_buffer.append": "Seol smután fuaime",
"input_audio_buffer.commit": "Daingnigh an maolán fuaime",
"input_audio_buffer.clear": "Glan an maolán fuaime",
"conversation.item.create": "Cuir teachtaireacht leis de láimh",
"conversation.item.truncate": "Gearr freagra",
"conversation.item.delete": "Scrios teachtaireacht",
"response.create": "Tosaigh freagra",
"response.cancel": "Cealaigh an freagra reatha",
}
Imeachtaí freastalaí (freastalaí → tú)
# Na príomhimeachtaí a fhaigheann tú
server_events = {
"session.created": "Tionscnadh seisiúin",
"session.updated": "Cumraíocht curtha i bhfeidhm",
"input_audio_buffer.speech_started": "Fuarthas caint",
"input_audio_buffer.speech_stopped": "Fuarthas ciúnas",
"conversation.item.created": "Teachtaireacht nua sa stair",
"response.created": "Tosaigh giniúint",
"response.output_audio.delta": "Smután fuaime freagartha",
"response.output_audio_transcript.delta": "Smután tras-scríofa",
"response.done": "Freagra críochnaithe",
"error": "Earráid",
}
Láimhseáil earráidí
Eisítear earráidí trí imeacht de chineál error. Caithfidh tú iad a idirghabháil i gcónaí:
async def handle_events(ws):
async for raw_message in ws:
event = json.loads(raw_message)
event_type = event["type"]
if event_type == "error":
error = event["error"]
print(f"Error [{error['type']}]: {error['message']}")
if error["type"] == "invalid_request_error":
# Earráid cumraíochta, deisigh agus déan iarracht arís
pass
elif error["type"] == "server_error":
# Fadhb ar thaobh OpenAI, athcheangail
pass
elif event_type == "session.updated":
print("Configuration applied successfully")
elif event_type == "response.done":
usage = event["response"].get("usage", {})
print(f"Tokens used: {usage}")
Príomhphointí
- Cruthaítear seisiún go huathoibríoch nuair a dhéantar ceangal WebSocket agus scriostar é nuair a dhícheanglaítear é
- Cumraíonn
session.updatean seisiún tar éissession.created; fan lesession.updatedsula mbraitheann tú ar an gcumraíocht nua - Chun ionchur a thras-scríobh i seisiún comhrá, úsáid
gpt-transcribe; tágpt-live-transcribecurtha in áirithe do sheisiúin thras-scríofa - Tá an prótacal bunaithe go hiomlán ar imeachtaí: tá
typeag gach teachtaireacht a chinneann a láimhseáil - Tiomáineann imeachtaí cliant an t-idirghníomhaíocht; tuairiscíonn imeachtaí freastalaí torthaí
- Tá láimhseáil earráidí ríthábhachtach: éist i gcónaí le himeachtaí
error