Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Konfiguracija seje z session.update

Lekcija 3 od 16 Posodobljeno 3. november 2026 Razvijalec
Na tej strani
  1. Konfiguriraj svojega glasovnega agenta
  2. Celotna struktura session.update
  3. Podrobnosti o nastavitvah
  4. Posodobitev seje sredi pogovora
  5. Ključne ugotovitve

Posodobljeno 3. novembra 2026 na podlagi strani xAI Speech to Speech in Text to Speech: 28 vgrajenih glasov, parameter turn_detection pa se nastavi zgolj z njegovim type (z opcijskim idle_timeout_ms). Viri: Speech to Speech · Text to Speech.

Konfiguriraj svojega glasovnega agenta

Ko je povezava WebSocket vzpostavljena in prejmeš dogodek session.created, sejo konfiguriraš tako, da pošlješ sporočilo session.update. Tu določiš vedenje svojega glasovnega agenta: njegovo osebnost, glas, orodja, ki jih lahko uporablja, in način zaznavanja menjave govorcev.

Celotna struktura session.update

Tukaj je podroben primer konfiguracije:

{
  "type": "session.update",
  "session": {
    "instructions": "You are a professional voice assistant for a law firm. Answer concisely and precisely. Use a formal tone.",
    "voice": "Rex",
    "tools": [
      {"type": "web_search"},
      {
        "type": "function",
        "name": "look_up_case",
        "description": "Looks up a client case by number",
        "parameters": {
          "type": "object",
          "properties": {
            "case_number": {
              "type": "string",
              "description": "Client case number"
            }
          },
          "required": ["case_number"]
        }
      }
    ],
    "turn_detection": {
      "type": "server_vad"
    },
    "audio": {
      "input": {
        "format": {"type": "audio/pcm", "rate": 24000}
      },
      "output": {
        "format": {"type": "audio/pcm", "rate": 24000}
      }
    }
  }
}

Podrobnosti o nastavitvah

Polje instructions ustreza sistemskemu pozivu pri besedilnih API-jih: določa osebnost, kontekst in omejitve tvojega glasovnega agenta. Pisanje tega dela pa prinaša omejitev, specifično za glas: jedrnatost. Vsak žeton (token) poziva se obdela pred prvim odgovorom in predolg poziv ob vzpostavitvi klica povzroči opazno zakasnitev. Drži se bistvenega in podrobnosti premakni v logiko svoje aplikacije. V tem tesnem proračunu si zaslužijo mesto tri stvari. Ton (formalen, prijazen, tehničen), saj glasovni agent dobesedno uteleša tvojo blagovno znamko v ušesu stranke. Jezik: določi ga („odgovarjaj v angleščini”), sicer bo agent sledil jeziku uporabnika ali vprašanja. In omejitve: kaj agent sme storiti in, kar je najpomembneje, česa mora zavrniti ali predati človeku, saj na telefonu odgovor izven okvira odleti, preden ga lahko kdorkoli pregleda.

Glas

Nastavitev voice sprejme enega od 28 vgrajenih glasov xAI (stanje na dan 3. novembra 2026), ki jih skupaj uporabljata glasovni agent in pretvorba besedila v govor, ali ID glasovnega modela po meri, ustvarjenega z API-jem Custom Voices. ID-ji glasov ne razlikujejo med velikimi in malimi črkami: eve, Eve in EVE se nanašajo na isti glas. Vsak glas govori vse podprte jezike.

Pet izvirnih glasov, kot jih opisuje xAI:

  • eve: energičen in vedr, britanski naglas
  • ara: topel in prijazen
  • rex: samozavesten in jasen
  • sal: gladek in uravnotežen
  • leo: avtoritativen in mogočen, britanski naglas

Temu se pridružuje triindvajset novejših glasov: carina, zagan, helix, orion, luna, iris, altair, zenith, perseus, helios, lux, kepler, rigel, cosmo, celeste, ursa, sirius, lumen, castor, naksh, atlas, aurora in liora. Trenutni seznam s tonom in primeri uporabe za vsak glas dobiš z GET /v1/tts/voices ali na strani xAI Text to Speech.

Orodja

Polje tools definira orodja, ki jih lahko agent pokliče med pogovorom. Združuješ lahko več vrst: spletno iskanje, iskanje po X, funkcije po meri, zbirke RAG in strežnike MCP. Naslednje lekcije podrobneje obravnavajo orodja.

Konfiguracija zvoka

Predmet audio določa vhodne in izhodne formate. Za vhod in izhod lahko uporabiš različne formate, če to zahteva tvoja arhitektura (na primer sprejem G.711 iz telefonskega sistema in pošiljanje PCM v brskalnik).

Posodobitev seje sredi pogovora

Sporočilo session.update lahko med pogovorom pošlješ večkrat. To ti omogoča spremembo vedenja agenta sproti:

// Sprememba glasu sredi pogovora
ws.send(JSON.stringify({
  type: "session.update",
  session: {
    voice: "Ara"
  }
}));

// Dodajanje drugega orodja
ws.send(JSON.stringify({
  type: "session.update",
  session: {
    tools: [
      { type: "web_search" },
      { type: "x_search" }
    ]
  }
}));

Dokumentacija xAI izrecno podpira spremembe med sejo za več nastavitev (jezik prepisa, ključne besede, zamenjave izgovorjave, avdio prenos), dogodek session.updated pa jih potrdi: preveri ga, da potrdiš uporabljeno konfiguracijo.

Ključne ugotovitve

  • session.update je prvo sporočilo, ki ga pošlješ po session.created
  • Polje instructions določa osebnost in omejitve agenta
  • Na voljo je 28 vgrajenih glasov (vključno z eve, ara, rex, sal in leo) ter glasovi po meri
  • Konfiguracija zvoka in orodja so prilagodljivi
  • session.update lahko pošlješ večkrat za spremembo vedenja sredi pogovora