gpt-live-1 для обработки речи, а сложные вопросы по-прежнему обрабатываются текущей выбранной моделью чата.
Подключение
Используйте API Token платформы для подключения кwss://realtime.acedata.cloud/v1/live/sessions. Учетные данные Studio или сервиса чата используют wss://realtime.acedata.cloud/aichat2/live. Сервер выполняет аутентификацию через Authorization: Bearer <token>; браузер передает учетные данные через подпротокол WebSocket, чтобы не записывать их в URL:
session.started непрерывно отправляйте session.input_audio.append, где audio — это Base64 необработанного аудио PCM с частотой 24 кГц, моно, 16-битного little-endian, без заголовка WAV-файла. Отправляйте аудио с фактической скоростью дискретизации, фрагменты тишины также должны оставаться непрерывными.
Воспроизводите session.output_audio.delta.delta по порядку. Субтитры пользователя и ассистента поступают соответственно из session.input_transcript.delta и session.output_transcript.delta, сохраняйте для каждого фрагмента delta, start_ms, end_ms; субтитры обеих сторон могут увеличиваться одновременно. У Live нет события завершения каждого отдельного голосового ответа, следует обновлять состояние «отвечает» на основе локальной очереди воспроизведения.
Фоновые задачи
В настоящее время поддерживается режим делегированияclient. После получения session.delegation.created приложение вызывает собственный бэкенд на основе голосовых субтитров и сохраненного контекста и возвращает результат через session.thinking.append или session.commentary.append, передавая соответствующий delegation_id и чисто текстовый content объемом до 500 токенов. Результат должен поступать из завершенной фоновой операции; прерывание речи не означает, что фоновая задача отменена.
Делегирование управляемых Responses, хранение записей, session.update, восстановление сессии или автоматическое переподключение пока не поддерживаются. Модель фиксирована как gpt-live-1, аудио фиксировано как PCM16 24 кГц, голос выбирается при начале вызова. Старый Realtime API по-прежнему можно использовать.
Оплата и завершение звонка
Голосовая связь тарифицируется по длительности активного сеанса: 0.01 Credits/секунду, то есть 0.6 Credits/минуту, без округления до полной минуты. Тарифицируется время, когда говорит пользователь или ассистент, время тишины, молчания обеих сторон и ожидания фоновых задач. Вызовы фоновых моделей или инструментов тарифицируются отдельно согласно соответствующему API. Цена Credits в долларах США зависит от выбранного пакета пополнения; актуальные цены указаны в консоли.session.usage.updated.usage.seconds — это накопленное использование. Например, если сначала получено 12 секунд, а затем 15 секунд, итог составляет 15 секунд. Платформа рассчитывает только добавленную длительность и не суммирует повторно снимки состояния.
При завершении отправьте session.close и продолжайте получать данные до получения session.closed; затем закройте соединение и освободите микрофон. Принудительное отключение может привести к тому, что окончательное использование не будет подтверждено; интерфейс должен явно сообщить об этом. Соединение завершается при недостаточном балансе, сбое оплаты или достижении лимита сеанса. По умолчанию один звонок может длиться не более 30 минут.
Ошибки параметров возвращаются через событие error; error.client_event_id соответствует неудачной команде. При ошибке запуска следует остановить запись и показать ошибку, чтобы избежать новых расходов из-за повторных запросов.
