Validarea și golirea tamponului audio
Pe această pagină
Actualizat la 3 noiembrie 2026, pe baza referinței API Voice xAI:
input_audio_buffer.commiteste disponibil doar atunci cândturn_detection.typeestenull; în modulserver_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:
- Creează un nou element de conversație cu audio-ul acumulat
- Trimite un eveniment
input_audio_buffer.committedpentru confirmare - Trimite un eveniment
conversation.item.addedcu noul element - 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:
- Detectează începutul vorbirii (
speech_started) - Acumulează audio-ul în tampon
- Detectează sfârșitul vorbirii (
speech_stopped) - Validează tamponul automat
- 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:
- Trimiteți audio cu
append - Decideți când utilizatorul a terminat
- Trimiteți
commit - Trimiteți
response.create
Comparație
| Aspect | Modul VAD | Modul manual |
|---|---|---|
| Detectarea vorbirii | Automată | Depinde de dumneavoastră |
| Validarea tamponului | Automată | Manuală (commit) |
| Solicitarea răspunsului | Automată | Manuală (response.create) |
| Control | Control redus | Control total |
| Complexitate | Simplu | Mai complex |
| Cazuri de utilizare | Conversație fluidă | Push-to-talk, IVR |
Puncte cheie
input_audio_buffer.committrimite tamponul audio ca mesaj al utilizatoruluiinput_audio_buffer.cleargolește tamponul fără procesare- În modul VAD, validarea are loc automat la detectarea sfârșitului vorbirii
- În modul manual (
turn_detection.typesetat lanull), trebuie să trimiteți explicitcommitși apoiresponse.create;commiteste disponibil doar în acest mod - Modul manual este potrivit pentru interfețele push-to-talk și sistemele telefonice IVR