Wersja polska
Voice Agent API: rozmowy w czasie rzeczywistym
Twórz agentów głosowych przez WebSocket: VAD, wywoływanie funkcji głosowych, zdarzenia i integrację z telefonem SIP.
16 lekcji ok. 1 h Programista
Czego się nauczysz
- Otwórz sesję WebSocket w czasie rzeczywistym uwierzytelnioną za pomocą jednorazowych tokenów i skonfigurowaną przez session.update
- Przetwarzaj strumienie audio PCM i G.711, zarządzając jednocześnie automatycznym wykrywaniem mowy
- Obsługuj cykl zdarzeń klient-serwer i serwer-klient podczas rozmowy
- Uruchamiaj wywoływanie funkcji głosowych i wbudowane narzędzia podczas wymiany na żywo
- Podłącz agenta głosowego do telefonii przez SIP i LiveKit oraz konwertuj audio w Pythonie
Karta kursu
- Dla kogo
- Deweloperzy, inżynierowie i integratorzy, którzy chcą używać Grok przez API w swoich aplikacjach.
- Wymagania wstępne
- Umiejętność czytania kodu w Pythonie lub JavaScript oraz JSON, a także podstawowe umiejętności pracy z wierszem poleceń. Klucz API z konsoli xAI do wypróbowania przykładów.
- Czas trwania
- 1 h — 16 lekcji
- Forma
- 100% online i we własnym tempie, dostępne 24/7 z dowolnej przeglądarki. Twój postęp jest zapisywany, więc możesz kontynuować naukę w dowolnym momencie. Szacowany czas: 1 h.
- Weryfikacja wiedzy
- Samoocena z kluczowymi wnioskami na końcu każdej lekcji oraz praktyczne ćwiczenia polegające na zastosowaniu przykładów do własnych przypadków użycia. Końcowy quiz z 5 pytań z odpowiedziami, na końcu ostatniej lekcji, pozwala sprawdzić zdobytą wiedzę.
- Dostępność
- Ten kurs został zaprojektowany z myślą o osobach z niepełnosprawnościami: treść tekstowa kompatybilna z czytnikami ekranu, nawigacja za pomocą klawiatury i zgodny kontrast kolorów. W przypadku wszelkich próśb o dostosowanie, prosimy o kontakt pod adresem [email protected].
- Cena
- Bezpłatnie
Program kursu
- 01 Punkt końcowy WebSocket i połączenie w czasie rzeczywistym
- 02 Uwierzytelnianie i tokeny jednorazowe
- 03 Konfiguracja sesji za pomocą session.update
- 04 Zdarzenia session.created i session.updated
- 05 Formaty audio: PCM i G.711
- 06 VAD: automatyczne wykrywanie mowy
- 07 Wysyłanie dźwięku za pomocą input_audio_buffer.append
- 08 Zatwierdzanie i czyszczenie bufora audio
- 09 Zdarzenia klient-serwer
- 10 Zdarzenia serwer-klient
- 11 Odbieranie i odtwarzanie odpowiedzi audio
- 12 Zdarzenia MCP w rozmowach głosowych
- 13 Wywoływanie funkcji głosowych
- 14 Narzędzia wbudowane: wyszukiwanie w sieci, X i kolekcje
- 15 Telefonia: SIP, LiveKit i G.711
- 16 Narzędzia do konwersji audio w Pythonie