gpt-live-1 per elaborare la voce, mentre le domande complesse continuano a essere gestite dal modello di chat attualmente selezionato.
Connessione
Usa il Platform API Token per connetterti awss://realtime.acedata.cloud/v1/live/sessions. Le credenziali di Studio o del servizio chat usano wss://realtime.acedata.cloud/aichat2/live. Il server autentica tramite Authorization: Bearer <token>; il browser trasmette le credenziali tramite il sottoprotocollo WebSocket, evitando di scriverle nell’URL:
session.started, invia continuamente session.input_audio.append, dove audio è l’audio grezzo PCM Base64 a 24 kHz, mono, PCM little-endian a 16 bit, senza intestazione del file WAV. Invia l’audio alla velocità di campionamento effettiva e mantieni la continuità anche per i segmenti silenziosi.
Riproduci in ordine session.output_audio.delta.delta. I sottotitoli dell’utente e dell’assistente provengono rispettivamente da session.input_transcript.delta e session.output_transcript.delta; conserva per ogni segmento delta, start_ms, end_ms; i sottotitoli di entrambe le parti possono crescere contemporaneamente. Live non dispone di un evento di fine per ogni risposta vocale; lo stato “sta rispondendo” deve essere aggiornato in base alla coda di riproduzione locale.
Attività in background
Attualmente è supportata la modalità di delegaclient. Dopo aver ricevuto session.delegation.created, l’applicazione chiama il proprio backend in base ai sottotitoli vocali e al contesto salvato, e restituisce il risultato tramite session.thinking.append o session.commentary.append, includendo il corrispondente delegation_id e content in testo semplice fino a 500 token. Il risultato deve provenire da un’operazione backend completata; l’interruzione della voce non indica che l’attività in background sia stata annullata.
La delega Responses gestita, l’archiviazione delle registrazioni, session.update, il ripristino della sessione o la riconnessione automatica non sono ancora supportati. Il modello è fisso a gpt-live-1, l’audio è fisso a PCM16 a 24 kHz e la voce viene selezionata all’inizio della chiamata. La vecchia Realtime API può ancora essere utilizzata.
Fatturazione e termine della chiamata
La voce viene fatturata in base alla durata della sessione attiva: 0.01 Credits/secondo, ovvero 0.6 Credits/minuto, senza arrotondamento per eccesso al minuto intero. Vengono fatturati il tempo in cui l’utente parla, l’assistente parla, il silenzio, il silenzio di entrambe le parti e l’attesa delle attività in background. Il modello backend o le chiamate agli strumenti vengono fatturati separatamente secondo la relativa API. Il prezzo in dollari corrispondente ai Credits dipende dal piano di ricarica; fa fede il prezzo corrente nella console.session.usage.updated.usage.seconds è il consumo cumulativo. Ad esempio, se prima si ricevono 12 secondi e poi 15 secondi, il totale è 15 secondi. La piattaforma regola solo la durata aggiuntiva, senza sommare ripetutamente gli snapshot.
Al termine invia session.close, continua a ricevere fino a quando non ricevi session.closed, quindi chiudi la connessione e rilascia il microfono. Una disconnessione forzata può comportare che il consumo finale non venga confermato e l’interfaccia deve segnalarlo chiaramente. La connessione termina in caso di saldo insufficiente, errore di fatturazione o raggiungimento del limite della sessione. Per impostazione predefinita, una singola chiamata dura al massimo 30 minuti.
Gli errori dei parametri vengono restituiti tramite l’evento error; error.client_event_id corrisponde al comando non riuscito. In caso di fallimento dell’avvio, è necessario interrompere la registrazione e mostrare l’errore, senza cambiare automaticamente modello né ritentare generando nuovi costi.