Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Odovzdanie a vyčistenie zvukovej vyrovnávacej pamäte

Lekcia 8 z 16 Aktualizované 3. novembra 2026 Vývojár
Na tejto strane
  1. Správa zvukovej vyrovnávacej pamäte
  2. input_audio_buffer.commit
  3. input_audio_buffer.clear
  4. Režim VAD oproti manuálnemu režimu
  5. Kľúčové poznatky

Aktualizované 3. novembra 2026 na základe referencie xAI Voice API: input_audio_buffer.commit je dostupné iba vtedy, keď je turn_detection.type nastavené na null; v režime server_vad odovzdáva zvuk server sám. Zdroj: Voice API.

Správa zvukovej vyrovnávacej pamäte

Keď odošleš zvuk pomocou input_audio_buffer.append, údaje sa hromadia vo vyrovnávacej pamäti na serveri. Túto pamäť riadia dve operácie: commit na odoslanie jej obsahu ako správy používateľa a clear na jej vyprázdnenie bez spracovania.

input_audio_buffer.commit

Táto udalosť odovzdá aktuálny obsah zvukovej vyrovnávacej pamäte ako správu používateľa. Je povinná v manuálnom režime (push-to-talk) a automatická v režime VAD:

{
  "type": "input_audio_buffer.commit"
}

Keď server prijme príkaz na odovzdanie (commit):

  1. Vytvorí novú položku konverzácie s nahromadeným zvukom
  2. Odošle udalosť input_audio_buffer.committed na potvrdenie
  3. Odošle udalosť conversation.item.added s novou položkou
  4. Spustí prepis zvuku (ak je povolený)

Odpoveď servera

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

Identifikátor item_id ti umožňuje neskôr sa v konverzácii odvolať na túto správu.

Kedy odovzdať manuálne

  • Push-to-talk: používateľ drží tlačidlo počas hovoru a po jeho uvoľnení sa správa odošle
  • Manuálne segmentovanie: na strane klienta rozdelíš zvukový tok na logické segmenty
  • Integrácia telefónu: prijímaš zvukové časti z pobočkovej ústredne (PBX) a odovzdáš ich na konci každého ťahu
// Príklad push-to-talk
talkButton.addEventListener("mousedown", () => {
  isRecording = true;
  startCapture();
});

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

  // Odovzdanie vyrovnávacej pamäte
  ws.send(JSON.stringify({
    type: "input_audio_buffer.commit"
  }));

  // Vyžiadanie odpovede
  ws.send(JSON.stringify({
    type: "response.create"
  }));
});

input_audio_buffer.clear

Táto udalosť vyprázdni zvukovú vyrovnávaciu pamäť bez vytvorenia správy v konverzácii:

{
  "type": "input_audio_buffer.clear"
}

Server to potvrdí odpoveďou:

{
  "type": "input_audio_buffer.cleared"
}

Kedy vyčistiť pamäť

  • Zrušenie: používateľ stlačí tlačidlo „Zrušiť“ počas hovoru
  • Prerušenie: používateľ začne hovoriť, no iná udalosť preruší jeho ťah
  • Reset: po chybe alebo časovom limite vyčisti pamäť pred novým začiatkom
  • Šum v pozadí: systém zistí, že pamäť obsahuje iba šum, nie reč
cancelButton.addEventListener("click", () => {
  stopCapture();
  ws.send(JSON.stringify({
    type: "input_audio_buffer.clear"
  }));
  showMessage("Recording canceled");
});

Režim VAD oproti manuálnemu režimu

V režime VAD (server_vad) server automaticky vybaví celý cyklus:

  1. Zistí začiatok reči (speech_started)
  2. Nahromadí zvuk vo vyrovnávacej pamäti
  3. Zistí koniec reči (speech_stopped)
  4. Automaticky odovzdá vyrovnávaciu pamäť
  5. Automaticky začne generovať odpoveď

V manuálnom režime (turn_detection.type nastavené na null) každý krok riešiš sám a ide o jediný režim, kde je dostupné input_audio_buffer.commit:

  1. Odošleš zvuk pomocou append
  2. Rozhodneš sa, kedy používateľ skončil
  3. Odošleš commit
  4. Odošleš response.create

Porovnanie

AspektRežim VADManuálny režim
Detekcia rečiAutomatickáNa tebe
Odovzdanie pamäteAutomatickéManuálne (commit)
Vyžiadanie odpovedeAutomatickéManuálne (response.create)
KontrolaMenšia kontrolaPlná kontrola
ZložitosťJednoduchéZložitejšie
Prípady použitiaVoľná konverzáciaPush-to-talk, IVR

Kľúčové poznatky

  • input_audio_buffer.commit odovzdá zvukovú vyrovnávaciu pamäť ako správu používateľa
  • input_audio_buffer.clear vyprázdni pamäť bez spracovania
  • V režime VAD sa odovzdanie uskutoční automaticky po zistení konca reči
  • V manuálnom režime (turn_detection.type nastavené na null) musíš explicitne odoslať commit a následne response.create; príkaz commit je dostupný iba v tomto režime
  • Manuálny režim je vhodný pre rozhrania typu push-to-talk a telefónne systémy IVR