Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Potrdi in počisti medpomnilnik zvoka

Lekcija 8 od 16 Posodobljeno 3. november 2026 Razvijalec
Na tej strani
  1. Upravljanje medpomnilnika zvoka
  2. input_audio_buffer.commit
  3. input_audio_buffer.clear
  4. Način VAD proti ročnemu načinu
  5. Ključne ugotovitve

Posodobljeno 3. novembra 2026 na podlagi referenčne dokumentacije xAI Voice API: input_audio_buffer.commit je na voljo le, ko je turn_detection.type nastavljen na null; v načinu server_vad zvok 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):

  1. Ustvari nov element pogovora z zbranim zvokom
  2. Pošlje dogodek input_audio_buffer.committed za potrditev
  3. Pošlje dogodek conversation.item.added z novim elementom
  4. 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:

  1. Zazna začetek govora (speech_started)
  2. Zbere zvok v medpomnilniku
  3. Zazna konec govora (speech_stopped)
  4. Samodejno potrdi medpomnilnik
  5. 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:

  1. Pošlješ zvok z append
  2. Sam se odločiš, kdaj je uporabnik končal
  3. Pošlješ commit
  4. Pošlješ response.create

Primerjava

VidikNačin VADRočni način
Zaznavanje govoraSamodejnoPo tvoji izbiri
Potrditev medpomnilnikaSamodejnaRočna (commit)
Zahteva za odgovorSamodejnaRočna (response.create)
NadzorManj nadzoraPoln nadzor
ZahtevnostPreprostoBolj zapleteno
Primeri uporabeProsto tekoči pogovorPush-to-talk, IVR

Ključne ugotovitve

  • input_audio_buffer.commit pošlje medpomnilnik zvoka kot uporabniško sporočilo
  • input_audio_buffer.clear izprazni medpomnilnik brez obdelave
  • V načinu VAD se potrditev zgodi samodejno, ko je zaznan konec govora
  • V ročnem načinu (turn_detection.type nastavljen na null) moraš eksplicitno poslati commit in nato response.create; commit je na voljo le v tem načinu
  • Ročni način je primeren za vmesnike push-to-talk in telefonske sisteme IVR