Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

A WebSocket végpont és a valós idejű kapcsolat

1. lecke 16 közül Frissítve 2026. november 3. Fejlesztő
Ezen az oldalon
  1. A valós idejű Voice Agent API
  2. A WebSocket-kapcsolat megnyitása
  3. A munkamenet életciklusa
  4. Főbb megállapítások

Frissítve: 2026. november 3., az xAI Speech to Speech, Pricing és Rate limits oldalai alapján: percenként 0,08 USD, csomagonkénti egyidejű munkamenetek, valamint a grok-voice-3.0 mint aktuális modell. Források: Speech to Speech · Pricing · Rate limits.

A valós idejű Voice Agent API

A Grok Voice Agent API lehetővé teszi, hogy olyan beszélgető hangalapú ügynököket építs, amelyek valós időben kommunikálnak a felhasználóiddal. A klasszikus REST API-kkal ellentétben, amelyek kérésenként működnek, ez az API a WebSocket protokollt használja, hogy állandó kétirányú kapcsolatot tartson fenn az alkalmazásod és az xAI szerverei között.

Voice Agent API dokumentáció

Csak egyetlen végpont létezik:

wss://api.x.ai/v1/realtime

A modellt a model URL-paraméterrel választod ki, például így: wss://api.x.ai/v1/realtime?model=grok-voice-latest. A grok-voice-latest a jelenlegi grok-voice-3.0 modellre mutat, és ez az alapértelmezett beállítás is. Éles környezetben az xAI egy konkrét, névvel ellátott verzió rögzítését javasolja.

Ez az egyetlen végpont kezeli a hangalapú beszélgetés teljes életciklusát: fogadja a hangot, érzékeli a beszédet, generálja a választ, és visszaküldi a szintetizált hangot.

WebSocket
Valós idejű protokoll
grok-voice-3.0
Aktuális modell
10
Egyidejű munkamenet a belépő szinten
0,08 USD/perc
Árazás

A WebSocket-kapcsolat megnyitása

A csatlakozáshoz az xAI API-kulcsodat az authorization fejlécben kell elhelyezned. Íme egy példa JavaScriptben:

const ws = new WebSocket("wss://api.x.ai/v1/realtime", {
  headers: {
    "Authorization": "Bearer " + process.env.XAI_API_KEY
  }
});

ws.on("open", () => {
  console.log("WebSocket connection established");
});

ws.on("message", (data) => {
  const event = JSON.parse(data);
  console.log("Event received:", event.type);
});

ws.on("close", (code, reason) => {
  console.log("Connection closed:", code, reason);
});

ws.on("error", (err) => {
  console.error("WebSocket error:", err);
});

Pythonban a websockets könyvtárat használhatod:

import asyncio
import websockets
import json
import os

async def connect():
    uri = "wss://api.x.ai/v1/realtime"
    headers = {
        "Authorization": f"Bearer {os.environ['XAI_API_KEY']}"
    }

    async with websockets.connect(uri, additional_headers=headers) as ws:
        async for message in ws:
            event = json.loads(message)
            print(f"Event: {event['type']}")

asyncio.run(connect())

A munkamenet életciklusa

Amint a WebSocket-kapcsolat megnyílik, a szerver küld egy session.created eseményt, amely megerősíti, hogy a munkamenet aktív. Ezt követően egy session.update eseményt küldesz a beszélgetés konfigurálásához (hang, utasítások, eszközök, fordulódetectálás).

A tipikus ciklus a következőképpen néz ki:

  1. Kapcsolódás: a WebSocket megnyitása hitelesítéssel
  2. Konfigurálás: a session.update elküldése a beállításaiddal
  3. Megerősítés: a session.updated fogadása a szervertől
  4. Beszélgetés: hang- és szövegesemények cseréje
  5. Lezárás: a WebSocket-kapcsolat szabályos bontása

Kapcsolati hibák kezelése

A szerver több okból is megszakíthatja vagy elutasíthatja a kapcsolatot: hitelesítési hiba, a csomagodhoz tartozó egyidejű munkamenetek korlátjának túllépése (belépő szinten 10, a legmagasabb szinten akár 200), vagy egy incidens. A jelenlegi dokumentáció nem határoz meg maximális munkamenet-hosszt, a munkamenet-folytatás (4. lecke) pedig lehetővé teszi, hogy egy megszakadás után folytathasd a beszélgetést. Az alkalmazásodnak tartalmaznia kell újrapcsolódási logikát exponenciális visszalépéssel (exponential backoff).

Árak ellenőrizve: 2026. november 3. Az árak gyakran változnak: mielőtt bármit terveznél, ellenőrizd az aktuális díjszabást a hivatalos xAI árazási oldalon.

Főbb megállapítások

  • A wss://api.x.ai/v1/realtime WebSocket-végpont az egyetlen belépési pont minden hangalapú beszélgetéshez
  • A hitelesítés az Authorization: Bearer {API kulcs} fejléccel történik
  • Az egyidejű munkamenetek száma a csomagodtól függ: belépő szinten 10, egészen 200-ig
  • A szerver kapcsolódáskor elküldi a session.created eseményt, majd várja a session.update üzenetedet a beszélgetés konfigurálásához
  • Az ár percenként 0,08 USD, azaz óránként 4,80 USD, plusz szöveges bemenetenként 0,004 USD