Realtime
Голосовое общение в реальном времени на основе WebSocket (протокол OpenAI Realtime) — создано для голосовых ассистентов, синхронного перевода и других сценариев с низкой задержкой.
Подключение
Название модели передаётся в строке запроса; аутентификация такая же, как у HTTP-эндпоинтов:
wss://console.dotouch.ltd/v1/realtime?model=gpt-4o-realtime-preview
const ws = new WebSocket(
'wss://console.dotouch.ltd/v1/realtime?model=gpt-4o-realtime-preview',
{
headers: {
Authorization: 'Bearer sk-your-token',
'OpenAI-Beta': 'realtime=v1',
},
}
);
Примечание
Браузерный new WebSocket не позволяет задавать пользовательские заголовки. Либо передайте токен через параметры субпротокола, либо проксируйте WebSocket через собственный бэкенд (рекомендуется — токен не попадает на фронтенд).
Формат сообщений
Все сообщения — текстовые кадры JSON с полем type.
Настройка сессии
После подключения сервер отправляет session.created. Клиенты обычно сначала отправляют session.update, чтобы настроить голос и детекцию реплик:
{
"type": "session.update",
"session": {
"instructions": "You are a voice assistant. Keep answers short.",
"voice": "alloy",
"input_audio_format": "pcm16",
"output_audio_format": "pcm16",
"input_audio_transcription": { "model": "whisper-1" },
"turn_detection": { "type": "server_vad" }
}
}