Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

Seisiúin, imeachtaí, agus timthriall saoil

Ceacht 2 as 18 Nuashonraithe 3 Samhain 2026 Forbróir
Ar an leathanach seo
  1. Seisiúin, imeachtaí, agus timthriall saoil
  2. Timthriall saoil seisiúin
  3. Seisiún a chumrú
  4. An córas imeachtaí
  5. Láimhseáil earráidí
  6. Príomhphointí

Nuashonraithe 2 Samhain, 2026 — Múnlaí fuaime. Tá roinnt múnlaí sa chúrsa seo tar éis dul in éag: stopfaidh tts-1, tts-1-hd, agus gpt-4o-mini-tts ag 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/translations ar 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 le server_vad ná le semantic_vad. I seisiún comhrá mar an ceann seo, áit a ndéanann VAD bailíochtú ar gach casadh, sonraíonn an doiciméadú gpt-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:

1

Ceangal → session.created

Deimhníonn an freastalaí an seisiún le ID uathúil agus cumraíocht réamhshocraithe.

2

Cumraíocht → session.update

Seolann tú session.update chun treoracha, guth, uirlisí, agus modhachtaí a shainiú.

3

Comhrá gníomhach

Malartú imeachtaí fuaime agus téacs idir an cliant agus an freastalaí.

4

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.update an seisiún tar éis session.created; fan le session.updated sula mbraitheann tú ar an gcumraíocht nua
  • Chun ionchur a thras-scríobh i seisiún comhrá, úsáid gpt-transcribe; tá gpt-live-transcribe curtha in áirithe do sheisiúin thras-scríofa
  • Tá an prótacal bunaithe go hiomlán ar imeachtaí: tá type ag 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