Przejdź do głównej treści
Polski— Wybierz język
Menu

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

  1. 01 Architektura WebSocket interfejsu API Realtime
  2. 02 Sesje, zdarzenia i cykl życia
  3. 03 Strumieniowanie audio dwukierunkowe
  4. 04 Wywoływanie funkcji w czasie rzeczywistym
  5. 05 Przerywanie i zarządzanie turami
  6. 06 Transkrypcja pliku audio: gpt-transcribe i Whisper
  7. 07 Obsługiwane formaty i języki
  8. 08 Tłumaczenie automatyczne
  9. 09 Optymalizacja jakości transkrypcji
  10. 10 API TTS: Generowanie mowy
  11. 11 Dostępne głosy i dostosowanie
  12. 12 Strumieniowanie dźwięku w czasie rzeczywistym
  13. 13 Sterowanie prozodią i tempem mowy
  14. 14 Stwórz kompletnego agenta głosowego
  15. 15 Integracja telefoniczna (Twilio i inne)
  16. 16 Asystent głosowy multimodalny
  17. 17 Optymalizacja opóźnień i działania w czasie rzeczywistym
  18. 18 Produkcja: Skalowanie i monitorowanie