Przejdź do głównej treści
Polski— Wybierz język
Menu

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

  1. 01 Punkt końcowy WebSocket i połączenie w czasie rzeczywistym
  2. 02 Uwierzytelnianie i tokeny jednorazowe
  3. 03 Konfiguracja sesji za pomocą session.update
  4. 04 Zdarzenia session.created i session.updated
  5. 05 Formaty audio: PCM i G.711
  6. 06 VAD: automatyczne wykrywanie mowy
  7. 07 Wysyłanie dźwięku za pomocą input_audio_buffer.append
  8. 08 Zatwierdzanie i czyszczenie bufora audio
  9. 09 Zdarzenia klient-serwer
  10. 10 Zdarzenia serwer-klient
  11. 11 Odbieranie i odtwarzanie odpowiedzi audio
  12. 12 Zdarzenia MCP w rozmowach głosowych
  13. 13 Wywoływanie funkcji głosowych
  14. 14 Narzędzia wbudowane: wyszukiwanie w sieci, X i kolekcje
  15. 15 Telefonia: SIP, LiveKit i G.711
  16. 16 Narzędzia do konwersji audio w Pythonie