Salt la conținutul principal
Română— Alege o limbă
Meniu

Validarea și golirea tamponului audio

Lecția 8 din 16 Actualizată 3 noiembrie 2026 Dezvoltator
Pe această pagină
  1. Gestionarea tamponului audio
  2. input_audio_buffer.commit
  3. input_audio_buffer.clear
  4. Modul VAD versus modul manual
  5. Puncte cheie

Actualizat la 3 noiembrie 2026, pe baza referinței API Voice xAI: input_audio_buffer.commit este disponibil doar atunci când turn_detection.type este null; în modul server_vad, serverul validează singur audio-ul. Sursă: Voice API.

Gestionarea tamponului audio

Când trimiteți audio prin input_audio_buffer.append, datele se acumulează într-un tampon (buffer) de pe server. Două operațiuni controlează acest tampon: commit pentru a trimite conținutul său ca mesaj al utilizatorului și clear pentru a-l goli fără procesare.

input_audio_buffer.commit

Acest eveniment validează conținutul curent al tamponului audio ca mesaj al utilizatorului. Este obligatoriu în modul manual (push-to-talk) și automat în modul VAD:

{
  "type": "input_audio_buffer.commit"
}

Când serverul primește o comandă de validare (commit), acesta:

  1. Creează un nou element de conversație cu audio-ul acumulat
  2. Trimite un eveniment input_audio_buffer.committed pentru confirmare
  3. Trimite un eveniment conversation.item.added cu noul element
  4. Începe transcrierea audio-ului (dacă este activată)

Răspunsul serverului

{
  "type": "input_audio_buffer.committed",
  "item_id": "item_audio_001"
}

Câmpul item_id vă permite să faceți referire la acest mesaj în conversație mai târziu.

Când să validați manual

  • Push-to-talk: utilizatorul ține apăsat un buton pentru a vorbi și îl eliberează pentru a trimite
  • Segmentare manuală: divizați fluxul audio în segmente logice pe partea client
  • Integrare telefonică: primiți fragmente audio de la un PBX și le validați la sfârșitul fiecărei intervenții
// Exemplu push-to-talk
talkButton.addEventListener("mousedown", () => {
  isRecording = true;
  startCapture();
});

talkButton.addEventListener("mouseup", () => {
  isRecording = false;
  stopCapture();

  // Validarea tamponului
  ws.send(JSON.stringify({
    type: "input_audio_buffer.commit"
  }));

  // Solicitarea unui răspuns
  ws.send(JSON.stringify({
    type: "response.create"
  }));
});

input_audio_buffer.clear

Acest eveniment golește tamponul audio fără a crea un mesaj în conversație:

{
  "type": "input_audio_buffer.clear"
}

Serverul confirmă prin:

{
  "type": "input_audio_buffer.cleared"
}

Când să goliți tamponul

  • Anulare: utilizatorul apasă un buton „Anulare“ în timp ce vorbește
  • Întrerupere: utilizatorul începe să vorbească, apoi un alt eveniment întrerupe intervenția
  • Resetare: după o eroare sau un timp de așteptare expirat, goliți tamponul înainte de a o lua de la capăt
  • Zgomot de fond: sistemul detectează că tamponul conține doar zgomot, nu vorbire
cancelButton.addEventListener("click", () => {
  stopCapture();
  ws.send(JSON.stringify({
    type: "input_audio_buffer.clear"
  }));
  showMessage("Înregistrare anulată");
});

Modul VAD versus modul manual

În modul VAD (server_vad), serverul gestionează întregul ciclu automat:

  1. Detectează începutul vorbirii (speech_started)
  2. Acumulează audio-ul în tampon
  3. Detectează sfârșitul vorbirii (speech_stopped)
  4. Validează tamponul automat
  5. Începe generarea răspunsului automat

În modul manual (turn_detection.type setat la null), gestionați fiecare pas dumneavoastră, iar acesta este singurul mod în care input_audio_buffer.commit este disponibil:

  1. Trimiteți audio cu append
  2. Decideți când utilizatorul a terminat
  3. Trimiteți commit
  4. Trimiteți response.create

Comparație

AspectModul VADModul manual
Detectarea vorbiriiAutomatăDepinde de dumneavoastră
Validarea tamponuluiAutomatăManuală (commit)
Solicitarea răspunsuluiAutomatăManuală (response.create)
ControlControl redusControl total
ComplexitateSimpluMai complex
Cazuri de utilizareConversație fluidăPush-to-talk, IVR

Puncte cheie

  • input_audio_buffer.commit trimite tamponul audio ca mesaj al utilizatorului
  • input_audio_buffer.clear golește tamponul fără procesare
  • În modul VAD, validarea are loc automat la detectarea sfârșitului vorbirii
  • În modul manual (turn_detection.type setat la null), trebuie să trimiteți explicit commit și apoi response.create; commit este disponibil doar în acest mod
  • Modul manual este potrivit pentru interfețele push-to-talk și sistemele telefonice IVR