Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Svensk version

Realtime API och röstagenter

Denna kurs täcker Realtime API, Whisper, TTS och bygge av kompletta röstagenter för telefoni och assistenter.

18 lektioner ca. 1 h 15 min Utvecklare

Vad du lär dig

  • Upprätta en WebSocket-session med Realtime API och hantera livscykelhändelser
  • Strömma ljud tvåvägs medan avbrott och turtagning hanteras
  • Transkribera och översätta ljudfiler med Whisper samtidigt som kvaliteten optimeras baserat på språk
  • Generera tal med TTS API genom att styra röst, prosodi och hastighet
  • Bygga en röstagent integrerad med telefoni och bemästra dess latens i produktion

Kursöversikt

Målgrupp
Utvecklare, ingenjörer och integratörer som vill utnyttja ChatGPT via API i sina applikationer.
Förkunskaper
Förmåga att läsa Python och JSON, grundläggande kunskaper i kommandoraden. En API-nyckel från OpenAI-plattformen för att testa exemplen.
Studietid
1 h 15 min — 18 lektioner
Upplägg
100 % online självstudiekurs, tillgänglig 24/7 från en webbläsare. Framsteg sparas, fortsätt när som helst. Beräknad tid: 45 min.
Bedömning
Valideringsquiz integrerade i kursen. Varje lektion avslutas med sina viktigaste lärdomar för att stödja självutvärdering.
Tillgänglighet
Självstudiekurs tillgänglig för personer med funktionsnedsättning: textinnehåll kompatibelt med skärmläsare, tangentbordsnavigering och kontraster som följer standarden. För anpassningsbehov, mejla [email protected].
Pris
Gratis

Kursens innehåll

  1. 01 WebSocket-arkitekturen för Realtime API
  2. 02 Sessioner, händelser och livscykel
  3. 03 Strömning av ljud i båda riktningar
  4. 04 Anrop av funktioner i realtid
  5. 05 Avbrott och turhantering
  6. 06 Transkribera en ljudfil: gpt-transcribe och Whisper
  7. 07 Format och språk som stöds
  8. 08 Översättning i realtid
  9. 09 Optimera transkriberingskvaliteten
  10. 10 API TTS : Générer de la parole
  11. 11 Tillgängliga röster och anpassning
  12. 12 Strömning av ljud i realtid
  13. 13 Styra prosodi och talhastighet
  14. 14 Bygg en komplett röstagent
  15. 15 Telefoniintegration (Twilio m.fl.)
  16. 16 Assistent vocal multimodal
  17. 17 Latens och optimering i realtid
  18. 18 Produktion: Skalning och övervakning