Edição em português
API de Agente de Voz: conversações em tempo real
Crie agentes de voz através de WebSocket: VAD, chamada de funções por voz, eventos e integração com telefones SIP.
16 aulas ca. 1 h Programador
O que vai aprender
- Abrir uma sessão WebSocket em tempo real autenticada com tokens efémeros e configurada através de session.update
- Processar fluxos de áudio PCM e G.711 enquanto gere a deteção automática de fala
- Gerir o ciclo de eventos do cliente para o servidor e do servidor para o cliente de uma conversação
- Acionar a chamada de funções por voz e ferramentas incorporadas durante uma troca em direto
- Ligar um agente de voz à telefonia através de SIP e LiveKit, e converter áudio em Python
Ficha do curso
- Destinatários
- Programadores, engenheiros e integradores que desejam utilizar o Grok através da API nas suas aplicações.
- Pré-requisitos
- Capacidade de ler Python ou JavaScript e JSON, além de competências básicas de linha de comandos. Uma chave de API da consola xAI para experimentar os exemplos.
- Duração
- 1 h — 16 aulas
- Modalidades
- 100% online e ao seu próprio ritmo, disponível 24/7 a partir de qualquer navegador. O seu progresso é guardado, pelo que pode retomar onde parou a qualquer momento. Tempo estimado: 1 h.
- Avaliação
- Autoavaliação com os pontos principais no final de cada lição e prática prática aplicando os exemplos aos seus próprios casos de uso. Um questionário final de 5 perguntas com respostas, no final da última lição, permite verificar o que aprendeu.
- Acessibilidade
- Este curso foi concebido para ser acessível a pessoas com deficiência: conteúdo de texto compatível com leitores de ecrã, navegação por teclado e contraste de cores em conformidade. Para qualquer pedido de acomodação, envie um e-mail para [email protected].
- Preço
- Gratis
Conteúdo do curso
- 01 O endpoint WebSocket e a ligação em tempo real
- 02 Autenticação e tokens efémeros
- 03 Configurar a sessão com session.update
- 04 Os eventos session.created e session.updated
- 05 Formatos de áudio: PCM e G.711
- 06 VAD: deteção automática de fala
- 07 Enviar áudio com input_audio_buffer.append
- 08 Confirmar e limpar o buffer de áudio
- 09 Eventos do cliente para o servidor
- 10 Eventos do servidor para o cliente
- 11 Receber e reproduzir o áudio da resposta
- 12 Eventos MCP em conversas de voz
- 13 Chamada de funções por voz
- 14 Ferramentas integradas: pesquisa na web, X e coleções
- 15 Telefonia: SIP, LiveKit e G.711
- 16 Utilitários de conversão de áudio em Python