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