Wersja polska
Interfejs API czasu rzeczywistego i agenci głosowi
Ten kurs obejmuje Interfejs API czasu rzeczywistego, Whisper, TTS oraz budowanie kompletnych agentów głosowych dla telefonii i asystentów.
18 lekcji ok. 1 h 15 min Programista
Czego się nauczysz
- Nawiązanie sesji WebSocket z Interfejsem API czasu rzeczywistego i zarządzanie zdarzeniami cyklu życia
- Strumieniowanie dźwięku dwukierunkowego przy jednoczesnym obsłudze przerwań i zarządzaniu zmianą tury rozmowy
- Transkrypcja i tłumaczenie plików audio za pomocą Whisper przy optymalizacji jakości w zależności od języka
- Generowanie mowy za pomocą Interfejsu API TTS poprzez kontrolę głosu, prozodii i prędkości
- Budowa agenta głosowego zintegrowanego z telefonią i opanowanie jego opóźnień w środowisku produkcyjnym
Karta kursu
- Dla kogo
- Deweloperzy, inżynierowie i integratorzy chcący wykorzystać ChatGPT poprzez API w swoich aplikacjach.
- Wymagania wstępne
- Umiejętność czytania kodu w Pythonie i JSON, podstawy linii poleceń. Klucz API z platformy OpenAI do wypróbowania przykładów.
- Czas trwania
- 1 h 15 min — 18 lekcji
- Forma
- Kurs online w 100% we własnym tempie, dostępny 24/7 z poziomu przeglądarki. Postępy są zapisywane, możliwość wznowienia w dowolnym momencie. Szacowany czas trwania: 45 min.
- Weryfikacja wiedzy
- Quizy walidacyjne zintegrowane z kursem. Każda lekcja kończy się kluczowymi wnioskami, wspierającymi samoocenę.
- Dostępność
- Kurs we własnym tempie dostępny dla osób z niepełnosprawnościami: treść tekstowa kompatybilna z czytnikami ekranu, nawigacja klawiaturowa i zgodne kontrasty. W przypadku potrzeb adaptacji prosimy o kontakt pod adresem [email protected].
- Cena
- Bezpłatnie
Program kursu
- 01 Architektura WebSocket interfejsu API Realtime
- 02 Sesje, zdarzenia i cykl życia
- 03 Strumieniowanie audio dwukierunkowe
- 04 Wywoływanie funkcji w czasie rzeczywistym
- 05 Przerywanie i zarządzanie turami
- 06 Transkrypcja pliku audio: gpt-transcribe i Whisper
- 07 Obsługiwane formaty i języki
- 08 Tłumaczenie automatyczne
- 09 Optymalizacja jakości transkrypcji
- 10 API TTS: Generowanie mowy
- 11 Dostępne głosy i dostosowanie
- 12 Strumieniowanie dźwięku w czasie rzeczywistym
- 13 Sterowanie prozodią i tempem mowy
- 14 Stwórz kompletnego agenta głosowego
- 15 Integracja telefoniczna (Twilio i inne)
- 16 Asystent głosowy multimodalny
- 17 Optymalizacja opóźnień i działania w czasie rzeczywistym
- 18 Produkcja: Skalowanie i monitorowanie