Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Händelser från server till klient

Lektion 10 av 16 Uppdaterad 30 juli 2026 Utvecklare
På denna sida
  1. Meddelandena du tar emot
  2. Händelser för session och konversation
  3. Händelser för ljudbuffert
  4. Händelser för svarsljud
  5. Transkriberingshändelser
  6. Texthändelser
  7. Händelser för funktionsanrop
  8. response.done
  9. Felhändelsen
  10. Viktiga punkter

Meddelandena du tar emot

Servern skickar många händelser för att hålla dig uppdaterad om konversationens tillstånd, leverera ljudsvaret och rapportera fel. Att förstå dessa händelser är avgörande för att bygga en responsiv och tillförlitlig app.

Händelser för session och konversation

Dessa händelser anländer när anslutningen startar och efter varje konfigurationsändring:

  • session.created: sessionen är öppen; händelsen innehåller sessionskonfigurationen
  • session.updated: konfigurationen har uppdaterats framgångsrikt
  • conversation.created: konversationskanalen har ställts in

Händelser för ljudbuffert

Dessa händelser informerar dig om röstaktivitet som VAD detekterar:

  • input_audio_buffer.speech_started: VAD detekterar att användaren har börjat tala
  • input_audio_buffer.speech_stopped: VAD detekterar slutet på talet
  • input_audio_buffer.committed: ljudbufferten har bekräftats som ett meddelande
ws.on("message", (data) => {
  const event = JSON.parse(data);

  switch (event.type) {
    case "input_audio_buffer.speech_started":
      // Användaren talar: visa en visuell indikator
      showSpeakingIndicator(true);
      break;

    case "input_audio_buffer.speech_stopped":
      // Användaren är klar: dölj indikatorn
      showSpeakingIndicator(false);
      break;

    case "input_audio_buffer.committed":
      // Ljudmeddelandet bearbetas
      showProcessingIndicator(true);
      break;
  }
});

Händelser för svarsljud

Svarsljudet strömmas via två händelser.

response.output_audio.delta

Varje delta innehåller en base64-kodad ljudbit. Samla dem och spela upp dem i ordning:

{
  "type": "response.output_audio.delta",
  "delta": "SGVsbG8gV29ybGQ...",
  "item_id": "item_resp_001",
  "output_index": 0,
  "content_index": 0
}
case "response.output_audio.delta":
  const audioChunk = base64ToArrayBuffer(event.delta);
  audioPlayer.enqueue(audioChunk);
  break;

response.output_audio.done

Signalera att allt svarsljud har skickats:

{
  "type": "response.output_audio.done",
  "item_id": "item_resp_001"
}

Transkriberingshändelser

API:et kan transkribera både användarens ljud och svarsljudet:

  • conversation.item.input_audio_transcription.completed: en transkribering av vad användaren sa
  • response.output_audio_transcript.delta: en strömmad transkribering av agentens svar
case "conversation.item.input_audio_transcription.completed":
  console.log("Användaren sa:", event.transcript);
  displayUserMessage(event.transcript);
  break;

case "response.output_audio_transcript.delta":
  appendAgentTranscript(event.delta);
  break;

Texthändelser

Om agenten genererar text (utöver eller istället för ljud) får du:

  • response.text.delta: ett strömmat textfragment
{
  "type": "response.text.delta",
  "delta": "Din beställning har blivit"
}

Händelser för funktionsanrop

När agenten beslutar att anropa en funktion sänds två händelser:

  • response.function_call_arguments.delta: funktionsargumenten, strömmade
  • response.function_call_arguments.done: det kompletta funktionsanropet med alla sina argument

Lektion 13, om röstbaserade funktionsanrop, behandlar dessa händelser i detalj.

response.done

Denna händelse markerar det fullständiga slutet på ett svar. Den innehåller en sammanfattning av svaret, inklusive användningsstatistik:

{
  "type": "response.done",
  "response": {
    "id": "resp_001",
    "status": "completed",
    "output": [...]
  }
}

Felhändelsen

Denna händelse rapporterar fel. Enligt xAI:s referens är de flesta fel återställningsbara och WebSocket-anslutningen förblir öppen:

{
  "type": "error",
  "error": {
    "type": "invalid_request_error",
    "message": "Ogiltigt ljudformat angivet"
  }
}

Din app bör logga dessa fel och, beroende på hur allvarliga de är, visa användaren ett meddelande eller försöka åtgärda problemet automatiskt.

Viktiga punkter

  • Servern skickar händelser för varje steg: röstigenkänning, ljud, transkribering, text och fel
  • Svarsljud anländer som base64-bitar via response.output_audio.delta
  • Transkriberingar finns tillgängliga för både användarinmatning och agentens utdata
  • response.done markerar slutet på ett komplett svar
  • De flesta fel som rapporteras via händelsen error är återställningsbara: anslutningen förblir öppen