Ir para o conteúdo principal
Português— Escolher um idioma
Menu

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

  1. 01 O endpoint WebSocket e a ligação em tempo real
  2. 02 Autenticação e tokens efémeros
  3. 03 Configurar a sessão com session.update
  4. 04 Os eventos session.created e session.updated
  5. 05 Formatos de áudio: PCM e G.711
  6. 06 VAD: deteção automática de fala
  7. 07 Enviar áudio com input_audio_buffer.append
  8. 08 Confirmar e limpar o buffer de áudio
  9. 09 Eventos do cliente para o servidor
  10. 10 Eventos do servidor para o cliente
  11. 11 Receber e reproduzir o áudio da resposta
  12. 12 Eventos MCP em conversas de voz
  13. 13 Chamada de funções por voz
  14. 14 Ferramentas integradas: pesquisa na web, X e coleções
  15. 15 Telefonia: SIP, LiveKit e G.711
  16. 16 Utilitários de conversão de áudio em Python