Potrdi in počisti medpomnilnik zvoka
Na tej strani
Posodobljeno 3. novembra 2026 na podlagi referenčne dokumentacije xAI Voice API:
input_audio_buffer.commitje na voljo le, ko jeturn_detection.typenastavljen nanull; v načinuserver_vadzvok potrdi strežnik sam. Vir: Voice API.
Upravljanje medpomnilnika zvoka
Ko pošlješ zvok z ukazom input_audio_buffer.append, se podatki kopičijo v medpomnilniku na strežniku. Ta medpomnilnik nadzorujeta dve operaciji: commit za pošiljanje vsebine kot uporabniškega sporočila in clear za praznjenje brez obdelave.
input_audio_buffer.commit
Ta dogodek potrdi trenutno vsebino medpomnilnika zvoka kot uporabniško sporočilo. Obvezen je v ročnem načinu (push-to-talk), v načinu VAD pa je avtomatski:
{
"type": "input_audio_buffer.commit"
}
Ko strežnik prejme potrditev (commit):
- Ustvari nov element pogovora z zbranim zvokom
- Pošlje dogodek
input_audio_buffer.committedza potrditev - Pošlje dogodek
conversation.item.addedz novim elementom - Začne prepisovati zvok (če je omogočeno)
Odziv strežnika
{
"type": "input_audio_buffer.committed",
"item_id": "item_audio_001"
}
item_id ti omogoča, da se kasneje v pogovoru sklicuješ na to sporočilo.
Kdaj ročno potrditi
- Push-to-talk: uporabnik drži gumb za govorjenje in ga sprosti za pošiljanje
- Ročna segmentacija: tok zvoka razdeliš na logične segmente na odjemalcu
- Integracija s telefonom: prejemaš zvočne pakete od PBX in jih potrdiš ob koncu vsakega obrata
// Primer push-to-talk
talkButton.addEventListener("mousedown", () => {
isRecording = true;
startCapture();
});
talkButton.addEventListener("mouseup", () => {
isRecording = false;
stopCapture();
// Potrdi medpomnilnik
ws.send(JSON.stringify({
type: "input_audio_buffer.commit"
}));
// Zahtevaj odgovor
ws.send(JSON.stringify({
type: "response.create"
}));
});
input_audio_buffer.clear
Ta dogodek izprazni medpomnilnik zvoka, ne da bi ustvaril sporočilo v pogovoru:
{
"type": "input_audio_buffer.clear"
}
Strežnik to potrdi z:
{
"type": "input_audio_buffer.cleared"
}
Kdaj počistiti
- Preklic: uporabnik pritisne gumb „Prekliči” med govorjenjem
- Prekinitev: uporabnik začne govoriti, nato pa drug dogodek prekine obrat
- Ponastavitev: po napaki ali časovni omejitvi počisti medpomnilnik pred ponovnim zagonom
- Šum v ozadju: sistem zazna, da medpomnilnik vsebuje le šum, ne govora
cancelButton.addEventListener("click", () => {
stopCapture();
ws.send(JSON.stringify({
type: "input_audio_buffer.clear"
}));
showMessage("Recording canceled");
});
Način VAD proti ročnemu načinu
V načinu VAD (server_vad) strežnik samodejno upravlja celoten cikel:
- Zazna začetek govora (
speech_started) - Zbere zvok v medpomnilniku
- Zazna konec govora (
speech_stopped) - Samodejno potrdi medpomnilnik
- Samodejno začne generirati odgovor
V ročnem načinu (turn_detection.type nastavljen na null) vsak korak obvladaš sam; to je edini način, kjer je na voljo input_audio_buffer.commit:
- Pošlješ zvok z
append - Sam se odločiš, kdaj je uporabnik končal
- Pošlješ
commit - Pošlješ
response.create
Primerjava
| Vidik | Način VAD | Ročni način |
|---|---|---|
| Zaznavanje govora | Samodejno | Po tvoji izbiri |
| Potrditev medpomnilnika | Samodejna | Ročna (commit) |
| Zahteva za odgovor | Samodejna | Ročna (response.create) |
| Nadzor | Manj nadzora | Poln nadzor |
| Zahtevnost | Preprosto | Bolj zapleteno |
| Primeri uporabe | Prosto tekoči pogovor | Push-to-talk, IVR |
Ključne ugotovitve
input_audio_buffer.commitpošlje medpomnilnik zvoka kot uporabniško sporočiloinput_audio_buffer.clearizprazni medpomnilnik brez obdelave- V načinu VAD se potrditev zgodi samodejno, ko je zaznan konec govora
- V ročnem načinu (
turn_detection.typenastavljen nanull) moraš eksplicitno poslaticommitin natoresponse.create;commitje na voljo le v tem načinu - Ročni način je primeren za vmesnike push-to-talk in telefonske sisteme IVR