Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Bidirectionele audiostreaming

Les 3 van 18 Bijgewerkt op 2 november 2026 Ontwikkelaar
Op deze pagina
  1. Bidirectionele audiostreaming
  2. PCM16-audioformaat
  3. Audio verzenden: microfoonopname
  4. Respons-audio ontvangen
  5. Volledige applicatie: spraakgesprek
  6. Belangrijkste punten

Bijgewerkt op 2 november 2026 — Audiomodellen. Verschillende modellen in deze cursus zijn verouderd: tts-1, tts-1-hd en gpt-4o-mini-tts stoppen met werken op 6 januari 2027 (de aangegeven vervanging is gpt-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-realtime en legacy audiomodellen op 20 januari 2027 (gpt-realtime-2.1, gpt-realtime-2.1-mini, gpt-audio-1.5); whisper-1, gpt-4o-transcribe en /v1/audio/translations op 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.

24 kHz
Samplesnelheid
16 bit
Samplediepte
Mono
Enkel kanaal
48 KB/s
Rauwe audiobitrate

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.commit om 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.gather maakt gelijktijdige opname en weergave mogelijk op dezelfde WebSocket