Ikkumitta u naddaf il-buffer tal-awdjo
F'din il-paġna
Aġġornat fit-3 ta’ Novembru 2026, ibbażat fuq ir-referenza tal-API tal-Vuċi ta’ xAI:
input_audio_buffer.commithuwa disponibbli biss metaturn_detection.typeikunnull; fil-modalitàserver_vad, is-server jikkumitta l-awdjo waħdu. Sors: Voice API.
Ġestjoni tal-buffer tal-awdjo
Meta tibgħat awdjo b’input_audio_buffer.append, id-data takkumula f’buffer fuq is-server. Żewġ operazzjonijiet jikkontrollaw dak il-buffer: commit biex tissottometti l-kontenut tiegħu bħala messaġġ tal-utent, u clear biex titbattlu mingħajr ma tipproċessah.
input_audio_buffer.commit
Dan l-avveniment jikkumitta l-kontenut attwali tal-buffer tal-awdjo bħala messaġġ tal-utent. Huwa meħtieġ fil-modalità manwali (push-to-talk) u awtomatiku fil-modalità VAD:
{
"type": "input_audio_buffer.commit"
}
Meta s-server jirċievi commit, dan:
- Joħloq element ġdid tal-konversazzjoni bl-awdjo akkumulat
- Jibgħat avveniment
input_audio_buffer.committedbiex jikkonferma - Jibgħat avveniment
conversation.item.addedbl-element il-ġdid - Jibda jittrascriivi l-awdjo (jekk attivat)
Ir-risposta tas-server
{
"type": "input_audio_buffer.committed",
"item_id": "item_audio_001"
}
L-item_id jħallik tirreferi għal dan il-messaġġ fil-konversazzjoni aktar tard.
Meta tagħmel commit manwalment
- Push-to-talk: l-utent iżomm buttuna biex jitkellem u jħalliha biex jibgħat
- Segmentazzjoni manwali: taqsam il-fluss tal-awdjo f’segmenti loġiċi fuq il-klijent
- Integrazzjoni tat-telefon: tirċievi biċċiet awdjo minn PBX u tagħmel commit tagħhom fi tmiem kull dawra
// Eżempju ta' Push-to-talk
talkButton.addEventListener("mousedown", () => {
isRecording = true;
startCapture();
});
talkButton.addEventListener("mouseup", () => {
isRecording = false;
stopCapture();
// Ikkumitta l-buffer
ws.send(JSON.stringify({
type: "input_audio_buffer.commit"
}));
// Itlob risposta
ws.send(JSON.stringify({
type: "response.create"
}));
});
input_audio_buffer.clear
Dan l-avveniment jitbatta l-buffer tal-awdjo mingħajr ma joħloq messaġġ fil-konversazzjoni:
{
"type": "input_audio_buffer.clear"
}
Is-server jikkonferma b’:
{
"type": "input_audio_buffer.cleared"
}
Meta tnaddaf
- Kanċellazzjoni: l-utent jippressa buttuna “Kanċella” waqt li qed jitkellem
- Interruzzjoni: l-utent jibda jitkellem, imbagħad avveniment ieħor jinterrompi d-dawra
- Reset: wara żball jew timeout, naddaf il-buffer qabel ma tibda mill-ġdid
- Storbju tal-isfond: is-sistema tiskopri li l-buffer fih biss storbju, mhux kliem
cancelButton.addEventListener("click", () => {
stopCapture();
ws.send(JSON.stringify({
type: "input_audio_buffer.clear"
}));
showMessage("Recording canceled");
});
Modalità VAD kontra modalità manwali
Fil-modalità VAD (server_vad), is-server jimmaniġġja ċ-ċiklu kollu awtomatikament:
- Jiskopri l-bidu tal-kliem (
speech_started) - Jakkumula l-awdjo fil-buffer
- Jiskopri t-tmiem tal-kliem (
speech_stopped) - Jikkumitta l-buffer awtomatikament
- Jibda jiġġenera r-risposta awtomatikament
Fil-modalità manwali (turn_detection.type issettjat għal null), timmaniġġja kull pass int stess, u din hija l-unika modalità fejn input_audio_buffer.commit huwa disponibbli:
- Tibgħat l-awdjo b’
append - Tiddeċiedi meta l-utent ikun lest
- Tibgħat
commit - Tibgħat
response.create
Tqabbil
| Aspett | Modalità VAD | Modalità Manwali |
|---|---|---|
| Skoperta tal-kliem | Awtomatika | Fuqek int |
| Commit tal-buffer | Awtomatiku | Manwali (commit) |
| Talba għar-risposta | Awtomatika | Manwali (response.create) |
| Kontroll | Inqas kontroll | Kontroll sħiħ |
| Kumplessità | Sempliċi | Aktar kumplessa |
| Każijiet ta’ użu | Konversazzjoni fluwida | Push-to-talk, IVR |
Punti Ewlenin
input_audio_buffer.commitjissottometti l-buffer tal-awdjo bħala messaġġ tal-utentinput_audio_buffer.clearjitbatta l-buffer mingħajr ipproċessar- Fil-modalità VAD, il-commit iseħħ awtomatikament meta jiġi skopert it-tmiem tal-kliem
- Fil-modalità manwali (
turn_detection.typeissettjat għalnull), trid tibgħatcommitu mbagħadresponse.createb’mod espliċitu;commithuwa disponibbli biss f’din il-modalità - Il-modalità manwali hija xierqa għal interfaċċi push-to-talk u sistemi telefoniċi IVR