gpt-live-1 для обробки мовлення, а складні питання й надалі обробляє поточно вибрана модель чату.
Підключення
Використовуйте API Token платформи для підключення доwss://realtime.acedata.cloud/v1/live/sessions. Для Studio або облікових даних сервісу чату використовуйте wss://realtime.acedata.cloud/aichat2/live. Сервер виконує автентифікацію через Authorization: Bearer <token>; браузер передає облікові дані через підпротокол WebSocket, щоб уникнути запису в URL:
session.started безперервно надсилайте session.input_audio.append, де audio — це Base64 необробленого аудіо PCM із частотою 24 кГц, моно, 16-бітного little-endian, без заголовка файлу WAV. Надсилайте аудіо з фактичною швидкістю семплування, а сегменти тиші також мають залишатися безперервними.
Відтворюйте session.output_audio.delta.delta по черзі. Субтитри користувача й асистента надходять відповідно з session.input_transcript.delta та session.output_transcript.delta; зберігайте кожен delta, start_ms, end_ms; субтитри обох сторін можуть зростати одночасно. У Live немає події завершення кожної голосової відповіді, тому стан «відповідає» слід оновлювати на основі локальної черги відтворення.
Фонові завдання
Наразі підтримується режим делегуванняclient. Після отримання session.delegation.created застосунок викликає власний бекенд на основі голосових субтитрів і збереженого контексту та повертає результат через session.thinking.append або session.commentary.append, передаючи відповідний delegation_id і текстовий content до 500 токенів. Результати мають надходити із завершених фонових операцій; переривання мовлення не означає, що фонове завдання скасовано.
Делегування керованих Responses, зберігання записів, session.update, відновлення сесії або автоматичне перепідключення поки що не підтримуються. Модель фіксована як gpt-live-1, аудіо фіксоване як PCM16 із частотою 24 кГц, а голос обирається на початку дзвінка. Старий Realtime API усе ще можна використовувати.
Оплата та завершення дзвінка
За голосові виклики стягується плата за тривалість активного сеансу: 0.01 Credits/секунду, тобто 0.6 Credits/хвилину; округлення до повних хвилин не застосовується. Оплачується час, коли говорить користувач, говорить помічник, триває тиша, обидві сторони мовчать або очікується виконання фонових завдань. Виклики фонових моделей або інструментів оплачуються окремо відповідно до відповідного API. Вартість Credits у доларах США залежить від пакета поповнення; актуальні ціни дивіться в консолі.session.usage.updated.usage.seconds — це накопичувальне використання. Наприклад, якщо спочатку отримано 12 секунд, а потім 15 секунд, загальна тривалість становить 15 секунд. Платформа розраховує лише додану тривалість і не підсумовує повторно знімки стану.
Під час завершення надішліть session.close і продовжуйте отримувати дані, доки не буде отримано session.closed; після цього закрийте з’єднання та звільніть мікрофон. Примусове відключення може призвести до того, що остаточне використання не буде підтверджено, тому інтерфейс має чітко повідомляти про це. З’єднання завершиться за недостатнього балансу, помилки оплати або досягнення ліміту сеансу. За замовчуванням один дзвінок може тривати не більше 30 хвилин.
Помилки параметрів повертаються через подію error; error.client_event_id відповідає команді, що завершилася невдачею. У разі помилки запуску слід припинити записування та показати помилку, щоб уникнути повторних запитів і нових витрат.
