Bidirectionele audiostreaming
Op deze pagina
Bijgewerkt op 2 november 2026 — Audiomodellen. Verschillende modellen in deze cursus zijn verouderd:
tts-1,tts-1-hdengpt-4o-mini-ttsstoppen met werken op 6 januari 2027 (de aangegeven vervanging isgpt-realtime-2.1-mini, waarvan de OpenAI TTS-gids stelt dat deze niet wordt ondersteund door/v1/audio/speech: migratie van spraaksynthese verloopt via de Realtime API);gpt-realtime,gpt-4o-realtimeen legacy audiomodellen op 20 januari 2027 (gpt-realtime-2.1,gpt-realtime-2.1-mini,gpt-audio-1.5);whisper-1,gpt-4o-transcribeen/v1/audio/translationsop 26 februari 2027 (gpt-transcribe,gpt-live-transcribe,v1/realtime/translations). Voor full-duplex spraak is GPT-Live 1 beschikbaar in de API sinds 10 september 2026.
Bidirectionele audiostreaming
Bidirectionele audiostreaming vormt de kern van de Realtime API. U verzendt continu audiofragmenten vanaf de microfoon, en het model retourneert continu respons-audiofragmenten. Deze twee streams zijn onafhankelijk en kunnen gelijktijdig opereren; dit zorgt voor een natuurlijk gespreksverloop.
PCM16-audioformaat
De Realtime API gebruikt het formaat 24 kHz mono 16-bit PCM. Dit is een rauw, ongecomprimeerd formaat: elk sample is een 16-bit signed integer. Deze keuze geeft prioriteit aan lage latentie boven bandbreedte-efficiëntie.
Audiofragmenten worden Base64-gecodeerd verzonden binnen JSON-events. Elk fragment vertegenwoordigt doorgaans 20 tot 100 ms audio.
Audio verzenden: microfoonopname
Hier ziet u hoe u de microfoon opneemt en de audio streamt:
import asyncio
import sounddevice as sd
import numpy as np
import base64
import json
SAMPLE_RATE = 24000
CHUNK_DURATION_MS = 100
CHUNK_SIZE = int(SAMPLE_RATE * CHUNK_DURATION_MS / 1000)
async def stream_microphone(ws):
"""Capture the microphone and send chunks to the Realtime API."""
loop = asyncio.get_event_loop()
audio_queue = asyncio.Queue()
def audio_callback(indata, frames, time_info, status):
if status:
print(f"Audio warning: {status}")
# Convert to int16 and enqueue
pcm_data = (indata[:, 0] * 32767).astype(np.int16)
loop.call_soon_threadsafe(audio_queue.put_nowait, pcm_data)
# Start capture
stream = sd.InputStream(
samplerate=SAMPLE_RATE,
channels=1,
dtype="float32",
blocksize=CHUNK_SIZE,
callback=audio_callback
)
with stream:
print("Microphone active — speak now...")
while True:
pcm_data = await audio_queue.get()
audio_b64 = base64.b64encode(pcm_data.tobytes()).decode("utf-8")
await ws.send(json.dumps({
"type": "input_audio_buffer.append",
"audio": audio_b64
}))
De audio-buffer aan serverzijde
Fragmenten die via input_audio_buffer.append worden verzonden, accumuleren in een buffer op de server. Deze buffer wordt op twee manieren verwerkt:
- Automatische VAD-modus (
server_vad): De server detecteert wanneer u stopt met spreken en commit de buffer automatisch. - Handmatige modus: U verzendt expliciet
input_audio_buffer.commitom de verwerking te activeren.
# Manually commit the audio buffer
await ws.send(json.dumps({
"type": "input_audio_buffer.commit"
}))
# Or clear the buffer without processing it
await ws.send(json.dumps({
"type": "input_audio_buffer.clear"
}))
Respons-audio ontvangen
Audio-responsen komen binnen in fragmenten via response.output_audio.delta-events. U moet deze continu decoderen en afspelen:
import pyaudio
async def play_response_audio(ws):
"""Receive and play response audio."""
pa = pyaudio.PyAudio()
player = pa.open(
format=pyaudio.paInt16,
channels=1,
rate=SAMPLE_RATE,
output=True,
frames_per_buffer=CHUNK_SIZE
)
try:
async for raw_message in ws:
event = json.loads(raw_message)
if event["type"] == "response.output_audio.delta":
# Decode the Base64 audio chunk
audio_bytes = base64.b64decode(event["delta"])
player.write(audio_bytes)
elif event["type"] == "response.output_audio.done":
print("Audio response finished")
elif event["type"] == "response.output_audio_transcript.delta":
# Text transcription of the response
print(event["delta"], end="", flush=True)
finally:
player.stop_stream()
player.close()
pa.terminate()
Volledige applicatie: spraakgesprek
Hier ziet u hoe u opname en weergave samenstelt voor een volledig gesprek:
async def conversation_vocale():
headers = {
"Authorization": f"Bearer {OPENAI_API_KEY}"
}
async with websockets.connect(URL, additional_headers=headers) as ws:
# Wait for session.created
await ws.recv()
# Configure the session
await ws.send(json.dumps({
"type": "session.update",
"session": {
"type": "realtime",
"output_modalities": ["audio"],
"instructions": "You are a voice assistant. Respond in English.",
"audio": {
"input": {
"format": {"type": "audio/pcm", "rate": 24000},
"turn_detection": {
"type": "server_vad",
"threshold": 0.5,
"silence_duration_ms": 700
}
},
"output": {
"format": {"type": "audio/pcm", "rate": 24000},
"voice": "marin"
}
}
}
}))
await ws.recv() # session.updated
# Launch capture and playback in parallel
await asyncio.gather(
stream_microphone(ws),
play_response_audio(ws)
)
asyncio.run(conversation_vocale())
Gelijktijdige streams beheren
De uitdaging bij bidirectionele streaming is dat u gelijktijdig verzendt en ontvangt op dezelfde WebSocket. asyncio.gather start beide coroutines parallel op, maar ze delen hetzelfde WebSocket-object. De websockets-bibliotheek behandelt deze gelijktijdigheid correct.
Belangrijkste punten
- Audio wordt verzonden als 24 kHz mono 16-bit PCM, Base64-gecodeerd in JSON-events
- Fragmenten zijn doorgaans 20 tot 100 ms audio voor een goede afweging tussen latentie en overhead
- De audio-buffer aan serverzijde accumuleert fragmenten tot commit (automatisch in VAD-modus)
- Respons-weergave gebeurt fragment voor fragment via
response.output_audio.delta asyncio.gathermaakt gelijktijdige opname en weergave mogelijk op dezelfde WebSocket