Openai實時API：指南示例

>新引入的OpenAI實時API使我們能夠將快速，低延遲，多模式體驗集成到我們的應用程序中。使用此API，我們可以在用戶和大型語言模型（LLMS）之間創建無縫的語音到語音交互。

>

>此API消除了多個模型以實現語音驅動體驗的需求，因為它在一個集成的API中提供了完整的解決方案。它不僅旨在減少潛伏期，而且還保留了對話的情感細微差別和自然流動。 在本文中，我們將學習如何使用OpenAI實時API來構建語音控制的AI助手。我們將使用node.js創建持久的Websocket連接，以及如何在終端中使用它來與API通信。此外，我將指導您部署使用此API功能的React應用程序。

使用WebSockets使用實時API

與OpenAI API的其他組件不同，實時API使用Websockets。 WebSockets是一種通信協議，可以在客戶端和服務器之間建立雙向通信渠道。與HTTP使用的常規請求響應模型相反，Websockets支持正在進行的實時交互。這使Websocket特別適合實時應用程序，例如語音聊天。

>本文將介紹Webockets的工作方式，並包括與實時API進行交互的幾個示例。 

>我們將使用node.js，因此我們需要確保將其安裝在計算機上。如果沒有，我們可以從其官方網站下載和安裝node.js。

>初始化腳本

>跟隨，我們建議使用上面創建的.env文件創建一個文件夾。在該文件夾中，運行以下命令以初始化腳本：

>完成此命令後，這些文件應在文件夾中：>

npm init -y && touch index.js

安裝依賴項

從安裝兩個軟件包開始：

ws：這是Websocket軟件包，與API交互所需的主要軟件包。

> dotenv：一個從.env文件加載API鍵的實用程序軟件包。

通過運行命令安裝這些：

連接到實時API
>要啟動與實時API的連接，我們創建了一個新的WebSocket對象，傳遞API URL和標頭，並帶有所需的信息以連接到它：>

打開連接時設置操作

上面的代碼創建了與API的Web套接字連接，但尚未對其進行任何作用。

npm install ws dotenv

>

Websockets允許我們在某些事件發生時設置操作。我們可以使用開放事件來指定一些我們要執行連接後要執行的代碼。

添加事件偵聽器的通用語法如下：

>

npm init -y && touch index.js

替換＆lt; event＆gt;帶有包含事件名稱的字符串和＆lt; function＆gt;發生事件發生時要執行的函數。 

這是一旦連接準備就可以顯示文本的方法：

>

npm install ws dotenv

要運行此代碼，我們使用命令：>

// Import the web socket library
const WebSocket = require("ws");
// Load the .env file into memory so the code has access to the key
const dotenv = require("dotenv");
dotenv.config();
function main() {
  // Connect to the API
  const url = "wss://api.openai.com/v1/realtime?model=gpt-4o-realtime-preview-2024-10-01";
  const ws = new WebSocket(url, {
      headers: {
          "Authorization": "Bearer " + process.env.OPENAI_API_KEY,
          "OpenAI-Beta": "realtime=v1",
      },
  });
}
main();

如果正確設置了API鍵，我們將在終端中看到“連接是打開”消息。腳本將繼續運行，因為連接仍然開放，因此我們必須手動停止它。

接收到消息時設置操作

>在使用WebSockets時我們可以響應的另一個事件是消息事件。每次從服務器接收消息時，都會觸發這一點。讓我們添加一個顯示每個收到消息的函數：

>

現在運行腳本也應顯示會話。在初始化會話時API發送的創建事件。

ws.on(<event>, <function>);</function></event>

其他WebSocket事件

>上面，我們學會瞭如何將事件聽眾添加到“開放”和“消息”事件中。 WebSocket支持我們在示例中不會使用的兩個其他事件。

>

關閉套接字時，可以使用關閉事件來添加回調：

發生錯誤時，錯誤事件用於添加回調：

>

// Add inside the main() function of index.js after creating ws
async function handleOpen() {
  console.log("Connection is opened");
}
ws.on("open", handleOpen);

與實時API

進行通信

>使用Websockets需要我們以事件驅動的方式進行編程。消息是在通信渠道上來回發送的，我們無法控制何時傳遞或接收這些消息。 

node index.js

啟動通信的代碼應在handingopen（）中添加。 o否則，將發生錯誤，因為該代碼可以在創建Web套接字通信頻道之前執行。

>對於代碼處理消息也是如此。所有邏輯都應進入handlemessage（）函數。

> 在即將到來的示例中，我們將使用以下代碼作為起點。大多數更改涉及更新handingopen（）和handlemessage（）。

>

使用實時API發送和接收文本

通過使用事件，與實時API進行通信。 OpenAI實時文檔API列出了其支持的事件。我們使用對話。事件表示為JSON對象，其字段在文檔中描述。

這是對話的示例。

這個事件告訴API我們要啟動文本對話。這是在內容字段中使用的“ input_text”類型在內容字段中指定的。

>我們使用ws.send（）方法發送消息。 Web套接字包期望字符串作為參數，因此我們需要使用JSON.STRINGIFY（）函數將JSON事件轉換為字符串。將這些放在一起，這是我們可以發送上述事件的方式：

npm init -y && touch index.js

>這將啟動對話，但不會觸發API自動向我們發送響應。為了觸發響應，我們發送響應。創建事件。這是一個示例：

npm install ws dotenv

此事件使用模式響應參數請求文本響應。說明是最重要的部分，描述了我們希望該模型要做的事情，在這種情況下，要求為用戶提供幫助。

>我們將這兩個事件發送到handleopen（）函數中，以便在建立連接後立即啟動對話。這是此示例中的全部實現：

>

// Import the web socket library
const WebSocket = require("ws");
// Load the .env file into memory so the code has access to the key
const dotenv = require("dotenv");
dotenv.config();
function main() {
  // Connect to the API
  const url = "wss://api.openai.com/v1/realtime?model=gpt-4o-realtime-preview-2024-10-01";
  const ws = new WebSocket(url, {
      headers: {
          "Authorization": "Bearer " + process.env.OPENAI_API_KEY,
          "OpenAI-Beta": "realtime=v1",
      },
  });
}
main();

關於傳入消息，有三種類型的事件值得注意：響應.text.delta，Response.text.done和wendesp.done。

>響應.text.delta事件包含響應分解為三角洲字段中的塊。當我們想提供實時體驗時，它們很重要，因為它們允許我們立即通過塊串出響應塊。 

• 響應.text.done事件標記了文本響應的終點，並包含文本字段中的完整答案。 >
響應。事件標記了響應的終點。 >
我們可以使用handlemessage（）函數中的switch語句來指定我們的腳本如何對這些事件進行響應：

在此示例中，我們使用響應.text.delta事件在接收到該控制台的響應中打印出響應的塊。響應完成後，觸發了響應.text.done事件，我們打印一條新的行以顯示輸出已完成。最後，當我們收到響應事件時，我們關閉Web套接字。

>

要運行此示例，我們將這些函數粘貼到上面的模板代碼中，並使用命令運行：

ws.on(<event>, <function>);</function></event>

>這將在終端中生成一個響應，以提示“在一個句子中解釋Web套接字是什麼”，類似於我們使用ChatGpt時。 

// Add inside the main() function of index.js after creating ws
async function handleOpen() {
  console.log("Connection is opened");
}
ws.on("open", handleOpen);

可以在此處獲得文本示例的完整代碼。

使用實時API發送和接收音頻

>上一個示例顯示了我們如何處理文本數據。但是，對實時API的真正興趣是創建一個實時回复的語音助手。 > 處理音頻數據比處理文本數據要復雜得多。我們將跳過一些針對音頻工作方式的細節，因為它們會分散我們從本文的主要主題中註意到我們的注意力。

首先，我們安裝了兩個軟件包：>

npm init -y && touch index.js

> 揚聲器用於播放AI語音響應。
• >

>我們還需要安裝Sox（Sound Exchange），這是一種用於音頻處理的命令行實用程序，該節點庫將使用該實用程序與麥克風連接並記錄音頻。使用Brew Install Sox將其安裝在MacOS或Sudo Apt inst sox上的Linux上。

>安裝了這些軟件包，我們將它們導入並添加一個函數Startrecording（），以記錄用戶的音頻提示。我們不會詳細解釋該功能，因為它會使我們從主要主題中脫穎而出。 

加載環境後，將以下代碼添加到index.js文件：

> StarTrecording（）函數從麥克風記錄音頻，並等待按下“ Enter”。 

接下來，我們通過初始化用於播放AI響應的speaker（）來更新main（）函數：

npm install ws dotenv

>

>以此為止，我們可以實現handingopen（）和handlemessage（）來處理音頻。

>在handingopen（）函數中，我們只需要調用StarTrecording（）函數即可記錄用戶的音頻提示。我們還需要稍微更新事件：

// Import the web socket library
const WebSocket = require("ws");
// Load the .env file into memory so the code has access to the key
const dotenv = require("dotenv");
dotenv.config();
function main() {
  // Connect to the API
  const url = "wss://api.openai.com/v1/realtime?model=gpt-4o-realtime-preview-2024-10-01";
  const ws = new WebSocket(url, {
      headers: {
          "Authorization": "Bearer " + process.env.OPENAI_API_KEY,
          "OpenAI-Beta": "realtime=v1",
      },
  });
}
main();

>更新createConversationEvent的內容以使用“ input_audio”而不是“ input_text”，然後用音頻替換文本字段：base64audiodata。

>將“音頻”添加到createresponseevent中的響應方式中。

>

這是更新的handleopen（）函數：
2. >要實現handlemessage（）函數，我們修改“ response.audio.delta”事件以更新音頻緩衝區並播放新的聲音delta：

>我們從Switch語句中刪除“ Response.Text.done”事件，然後更新“響應。DONE”事件，以阻止揚聲器：

ws.on(<event>, <function>);</function></event>

handlemessage（）函數的最終實現如下：

>

// Add inside the main() function of index.js after creating ws
async function handleOpen() {
  console.log("Connection is opened");
}
ws.on("open", handleOpen);

要運行此示例，將這些修改應用於模板代碼，並使用命令運行：>

麥克風將開始錄製。我們可以說我們的請求，然後按“ Enter”發送。然後，AI的響應將在揚聲器上發揮作用（確保麥克風沒有靜音並且揚聲器的音量）。

node index.js

可在此處提供音頻示例的完整代碼。

>

>函數調用

// Add inside the main() function of index.js
 async function handleMessage(messageStr) {
    const message = JSON.parse(messageStr);
    console.log(message);
}
ws.on("message", handleMessage);

OpenAI API的一個不錯的功能是執行功能調用的功能。我們可以向助手添加功能，如果它檢測到其中一個功能對於提供答案很有用，它將發送一個事件，要求調用特定功能。

openai文檔提供了以下圖，以說明函數呼叫的生命週期：

來源：OpenAi

從圖中，我們看到客戶端必須提供LLM可以調用功能的定義。此外，函數執行將在客戶端端進行； AI將發送一個事件，要求調用該函數及其參數。然後，我們有責任寄回結果。

>

>讓我們通過將兩個數字添加在一起的函數授權我們的助手。我們將通過擴展上面的音頻示例來構建此示例。

>

>要指定可用功能，我們必須為LLM提供工具列表。每個工具都是JSON對象，該對象指定有關該功能的信息。這是我們可以為總和函數定義工具的方法：>

npm init -y && touch index.js

讓我們解釋一下對象結構：

類型指定我們正在定義函數。
• >
>該名稱用於識別該功能。這是LLM用來告訴我們要調用哪個功能的方法。
• >
該描述用於識別llm何時應使用此功能。 >
• 參數用於指定函數的參數。在這種情況下，兩個數字命名為a和b。
下一步是在我們的代碼中定義函數。我們將使用鍵Counculate_sum使用字典，以使我們在響應函數呼叫事件時更容易調用適當的函數：

>

> API將提供函數參數為詞典，其在上面的參數上定義了相同的結構。在這種情況下，要添加3和5，字典將為{“ a”：3，“ b”：5}。

npm install ws dotenv

> sumtool和函數常數可以添加到index.js的頂部，在導入之後和main（）函數之前。

接下來，我們更新響應。這是通過將工具和tool_choice字段添加到響應中來完成的：

LLM決定要調用函數時，它將發出響應。 function_call_arguments.done事件。我們需要通過以下方式回复它

獲取功能信息並調用函數。

// Import the web socket library
const WebSocket = require("ws");
// Load the .env file into memory so the code has access to the key
const dotenv = require("dotenv");
dotenv.config();
function main() {
  // Connect to the API
  const url = "wss://api.openai.com/v1/realtime?model=gpt-4o-realtime-preview-2024-10-01";
  const ws = new WebSocket(url, {
      headers: {
          "Authorization": "Bearer " + process.env.OPENAI_API_KEY,
          "OpenAI-Beta": "realtime=v1",
      },
  });
}
main();

發送函數調用的結果。

請求響應。
2. 我們通過將以下情況添加到Handemessage（）函數中的Switch語句：>來處理此操作。
3. 如果我們現在運行腳本並請求添加兩個數字的結果，則該模型應調用該功​​能並提供結果。
>此功能相對簡單，但是由於該函數是由客戶端執行的，因此可能是任何東西。在下一部分中，我們將看到兩個更複雜功能的示例。

>

此示例的完整代碼可在此處找到。

>

>今天建立MLOPS技能

從頭開始並獲得職業生涯的MLOPS技能。使用OpenAI實時API

> OpenAI團隊提供了一個演示React應用程序來展示實時API。在這裡，我們將學習如何進行設置並探索其工作原理。這是構建一個更複雜應用程序的絕佳起點。

>

>應用程序設置

不需要React知識才能使其啟動並運行。但是，您需要熟悉反應以修改或擴展它。

>

他們的應用在此存儲庫中託管。要設置它，請使用以下git命令克隆開始：

>

另外，我們也可以從GitHub接口手動下載它。

npm init -y && touch index.js

>

要安裝該應用程序，我們使用以下NPM（節點軟件包管理）命令：>

安裝完成後，在項目的根文件夾中創建一個名為.env的文件，然後粘貼以下內容：

npm install ws dotenv

替換＆lt; openai_api_key＆gt;使用OpenAI API鍵。

// Import the web socket library
const WebSocket = require("ws");
// Load the .env file into memory so the code has access to the key
const dotenv = require("dotenv");
dotenv.config();
function main() {
  // Connect to the API
  const url = "wss://api.openai.com/v1/realtime?model=gpt-4o-realtime-preview-2024-10-01";
  const ws = new WebSocket(url, {
      headers: {
          "Authorization": "Bearer " + process.env.OPENAI_API_KEY,
          "OpenAI-Beta": "realtime=v1",
      },
  });
}
main();

現在應該準備執行該應用程序。它由兩個部分組成：

一個由應用程序的Web用戶界面組成的React前端。 >

>繼電器服務器用作前端和OpenAI API之間的中介。 

>在前端和OpenAI API之間實現繼電器服務器的主要目的是安全地存儲API鍵。沒有此鍵，與API互動是不可能的。 但是，如果鍵存儲在前端，則任何用戶都可以訪問它。因此，該解決方案涉及建立一個安全存儲密鑰並促進API和前端之間的數據交換的服務器。在這種特定情況下，安全問題是最小的，因為該應用程序僅在本地運行。 

>要啟動應用程序，有必要同時啟動繼電器服務器和前端。要啟動繼電器服務器，請使用以下命令：>

啟動React前端使用命令：>

完成加載後，將在瀏覽器上打開一個選項卡，並在其上運行該應用程序。

ws.on(<event>, <function>);</function></event>

使用該應用

開始使用該應用之前，請確保計算機不在靜音上並允許麥克風訪問該應用程序。

// Add inside the main() function of index.js after creating ws
async function handleOpen() {
  console.log("Connection is opened");
}
ws.on("open", handleOpen);

>

我們首先單擊“連接”按鈕。這將向實時API發送“ Hello”消息，我們將收到一個問候。

建立連接後，中心將出現一個新按鈕，使我們可以與AI助手交談。 

>使用它，按和交談而無需釋放按鈕。釋放按鈕時發送消息。

>

該應用程序還具有VAD（語音活動檢測）模式，在該模式中，我們不需要按任何按鈕。在此模式下，應用程序將不斷收聽，使我們能夠與助手進行積極的對話。要使用它，只需按“ VAD”按鈕並說話。

函數

正如我們了解到的那樣，實時API提供了一項功能，使AI能夠執行特定的功能。該演示展示了兩個功能：一個用於查詢特定位置的天氣預報，另一個用於添加記憶項目以個性化助手。 

>通過提出諸如“紐約明天的天氣如何？”之類的問題來體驗這些功能。並說明“我最喜歡的顏色是藍色”之類的偏好。助手將對這些查詢提供口頭回應，信息也將顯示在應用程序的右側。

>有時我請求天氣報告，而響應表明當時無法訪問它。但是，這些信息始終顯示在右側。作為演示應用程序，它並不是要成為功能齊全的產品，而是用於展示API的功能。

了解客戶端

本節需要對REACT的高級了解才能遵循，因為我們介紹了應用程序的一些實現詳細信息。

我們將查看consolePage.tsx文件。這是定義大多數應用程序邏輯的地方。演示應用程序不像我們在node.js命令行應用程序示例中那樣使用RAW WebSocket。他們建立了一個幫助與API互動的實時客戶端。這就是文件頂部導入的內容：

>

在此useFect（）調用中定義了與API的集成。最初呈現控制台頁面時，執行此useFect（）中的代碼。與我們的node.js腳本類似，它概述瞭如何響應API事件。主要的區別是其使用RealtimeClient客戶端包裝器。 >

定義工具

npm init -y && touch index.js

工具定義JSON對象。

要執行的函數。

• 此方法簡化了工具的集成，因為客戶端已經配備了處理事件和自動化功能調用。這裡定義了內存工具，而天氣工具的定義是在此處定義的。例如，要添加先前定義的總和工具，我們可以執行以下操作：>
  請注意，該應用程序使用Typescript，因此需要在功能定義中的類型規範。

  npm init -y && touch index.js

  聆聽事件
  要收聽事件，使用realtimeclient.on（）函數。它接受兩個參數：

  事件的名稱。

  要執行的回調函數。
  2. 此方法類似於先前使用的WebSocket.on（）函數，除非它實現了不同的事件集。他們的github頁面提供了支持事件的列表。
  在此特定示例中，使用以下事件：

  實時事件，這裡用於保留所有事件的日誌。

  此處的錯誤事件只需將錯誤記錄到控制台以進行調試目的。
  對話。中斷的事件在此中斷轉換時取消請求。
  >最後，當新的Chuck從API進入時，此處的對話。
  結論
  • 在本教程中，我們探索了OpenAI實時API及其如何使用Websocket進行實時通信。我們介紹了Node.js環境的設置，以與API進行交互，發送和接收文本和音頻消息，並實現函數，要求提高功能。
  >我們還探索了OpenAI Demo React應用程序，演示瞭如何部署基本語音助手應用程序。
  >要了解有關最新的OpenAI開發工具的更多信息，我建議這些教程：>

  OpenAI型號蒸餾：帶有示例的指南

  gpt-4o視覺微調：帶有示例的指南

  >

以上是Openai實時API：指南示例的詳細內容。更多資訊請關注PHP中文網其他相關文章！