Wersja polska
Grok Voice & Audio
Rozmowy głosowe w czasie rzeczywistym i naturalne przetwarzanie tekstu na mowę (28 głosów, 20 języków). Zawiera tagi ekspresyjne i integrację telefoniczną.
14 lekcji ok. 1 h 45 min Średnio zaawansowani
Czego się nauczysz
- Skonfigurowanie sesji głosowej w czasie rzeczywistym z Grok poprzez wybór głosu, języka i osobowości
- Obsługa zdarzeń WebSocket w rozmowie głosowej w celu kontrolowania przebiegu wymiany
- Uruchamianie funkcji biznesowych podczas rozmowy głosowej za pomocą wywoływania funkcji
- Tworzenie naturalnej narracji audio poprzez kontrolowanie intonacji za pomocą tagów ekspresyjnych interfejsu API TTS
- Zabezpieczanie i skalowanie asystenta głosowego: tokeny jednorazowe, strumieniowanie, integracja SIP i formaty audio
Karta kursu
- Dla kogo
- Każdy, kto chce odkryć i wykorzystać Grok. Nie jest wymagane żadne doświadczenie techniczne.
- Wymagania wstępne
- Zalecane jest pewne wcześniejsze doświadczenie z generatywną sztuczną inteligencją.
- Czas trwania
- 1 h 45 min — 14 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 45 min.
- Weryfikacja wiedzy
- Ćwiczenia praktyczne w trakcie lekcji. Każda lekcja kończy się kluczowymi wnioskami pozwalającymi na samoocenę. Końcowy quiz składający się z 5 pytań z odpowiedziami, umieszczony na końcu ostatniej lekcji, pozwala sprawdzić przyswojoną wiedzę.
- Dostępność
- Ten kurs został zaprojektowany z myślą o dostępności dla osób z niepełnosprawnościami: treść tekstowa kompatybilna z czytnikami ekranu, nawigacja za pomocą klawiatury oraz zgodny kontrast kolorów. W przypadku wszelkich próśb o dostosowania, prosimy o kontakt pod adresem [email protected].
- Cena
- Bezpłatnie
Program kursu
- 01 Poznaj agenta głosowego Grok
- 02 Konfiguracja sesji głosowej
- 03 Wybierz głos i osobowość
- 04 Opanuj zdarzenia WebSocket
- 05 Narzędzia i wywoływanie funkcji w trybie głosowym
- 06 Rozpocznij pracę z interfejsem API Text-to-Speech
- 07 Tagi ekspresyjne i sterowanie mową
- 08 Języki i mowa wielojęzyczna
- 09 Strumieniowanie TTS przez WebSocket
- 10 Budowa interaktywnego asystenta głosowego
- 11 Narracja i produkcja treści audio
- 12 Telefonia SIP i integracja z LiveKit
- 13 Tokeny jednorazowe i bezpieczeństwo
- 14 Formaty audio i optymalizacja