gpt-live-1 pour traiter la voix, tandis que les questions complexes continuent d’être traitées par le modèle de chat actuellement sélectionné.
Connexion
Utilisez le jeton API de la plateforme pour vous connecter àwss://realtime.acedata.cloud/v1/live/sessions. Utilisez wss://realtime.acedata.cloud/aichat2/live pour les identifiants de Studio ou du service de chat. Le serveur s’authentifie via Authorization: Bearer <token> ; le navigateur transmet les identifiants via le sous-protocole WebSocket afin d’éviter de les écrire dans l’URL :
session.started, envoyez continuellement session.input_audio.append, où audio est l’audio brut PCM 24 kHz, mono, 16 bits little-endian encodé en Base64, sans en-tête de fichier WAV. Envoyez l’audio à la vitesse d’échantillonnage réelle, et maintenez également la continuité pour les segments silencieux.
Lisez dans l’ordre session.output_audio.delta.delta. Les sous-titres de l’utilisateur et de l’assistant proviennent respectivement de session.input_transcript.delta et session.output_transcript.delta ; conservez pour chaque segment delta, start_ms et end_ms ; les sous-titres des deux parties peuvent s’allonger simultanément. Live ne dispose pas d’événement de fin pour chaque réponse vocale ; l’état « en cours de réponse » doit être mis à jour en fonction de la file de lecture locale.
Tâches en arrière-plan
Le mode de délégationclient est actuellement pris en charge. Après avoir reçu session.delegation.created, l’application appelle son propre backend en fonction des sous-titres vocaux et du contexte enregistré, puis renvoie le résultat via session.thinking.append ou session.commentary.append, en incluant le delegation_id correspondant et un content en texte brut de 500 tokens maximum. Les résultats doivent provenir d’opérations en arrière-plan terminées ; l’interruption de la voix ne signifie pas que la tâche en arrière-plan a été annulée.
La délégation Responses hébergée, le stockage des enregistrements, session.update, la reprise de session ou la reconnexion automatique ne sont pas encore pris en charge. Le modèle est fixé à gpt-live-1, l’audio est fixé au PCM16 à 24 kHz, et la voix est choisie au début de l’appel. L’ancienne API Realtime reste utilisable.
Facturation et fin d’appel
La voix est facturée selon la durée de session active : 0,01 Credits/seconde, soit 0,6 Credits/minute, sans arrondi à la minute supérieure. Le temps pendant lequel l’utilisateur parle, l’assistant parle, les silences, les deux parties sont silencieuses et l’attente des tâches en arrière-plan est tous facturé. Les appels de modèles ou d’outils en arrière-plan sont facturés séparément selon l’API correspondante. Le prix en dollars correspondant aux Credits dépend de l’offre de recharge ; référez-vous au prix actuel dans la console.session.usage.updated.usage.seconds correspond à l’utilisation cumulée. Par exemple, si vous recevez d’abord 12 secondes, puis 15 secondes, le total est de 15 secondes. La plateforme ne règle que la durée supplémentaire et n’additionne pas deux fois les instantanés.
À la fin, envoyez session.close, continuez à recevoir jusqu’à recevoir session.closed, puis fermez la connexion et libérez le microphone. Une déconnexion forcée peut entraîner l’absence de confirmation de l’utilisation finale, ce qui doit être clairement signalé dans l’interface. La connexion se termine lorsque le solde est insuffisant, que la facturation échoue ou que la limite de session est atteinte. Par défaut, un seul appel dure au maximum 30 minutes.
Les erreurs de paramètres sont renvoyées via l’événement error ; error.client_event_id correspond à la commande ayant échoué. En cas d’échec du démarrage, l’enregistrement doit être arrêté et l’erreur affichée, sans changer automatiquement de modèle ni réessayer, ce qui entraînerait de nouveaux frais.