Pour créer une application de conversation vocale, commencez par GPT-Live. GPT-Live peut écouter tout en parlant et poursuivre la conversation pendant qu’un agent côté serveur raisonne, utilise des outils ou termine une tâche.
Suivez le guide de démarrage rapide avec WebRTC pour établir la connexion et lancer votre première conversation, puis rédigez un court prompt pour GPT-Live. Si vous disposez déjà d’une application Realtime ou d’un agent textuel, suivez le guide de migration vers GPT-Live.
Choisissez un autre workflow audio
Utilisez la Realtime API si vous avez besoin de son modèle de gestion des sessions et des outils. Pour transcrire ou traduire de la parole, ou pour générer de la voix sans agent conversationnel, choisissez l’API dédiée à votre tâche dans le tableau ci-dessous.
| Ce que vous souhaitez créer | Guide de démarrage | Ce que vous contrôlez |
|---|---|---|
| Un agent parole à parole qui utilise le modèle de gestion des sessions et des outils de Realtime | Realtime API | Les tours de parole, l’état de la session, les outils et les interruptions. |
| Une interface vocale pour un agent textuel existant | Agents vocaux | La transcription de la parole en texte, le workflow de l’agent textuel, puis la synthèse vocale. |
| La transcription d’un fichier audio | Transcription de fichiers | L’envoi des fichiers, les requêtes de portée limitée et les formats de transcription pris en charge. |
| Des sous-titres en direct sans intervention vocale de l’assistant | Transcription en direct | Le flux audio et les événements qui fournissent la transcription au fur et à mesure. |
| Une traduction en continu de la parole | Traduction en direct | Une session dédiée à la traduction, sans alternance de tours de parole avec un agent vocal. |
| Une narration ou une voix de synthèse | Synthèse vocale | Le texte, la voix et le format de sortie. |
| Une entrée ou une sortie audio dans une application de discussion existante | Audio dans Chat Completions | Les requêtes de discussion multimodales de portée limitée. |
Développez une application vocale
Consultez le guide sur les agents vocaux pour comparer les architectures. Commencez par le guide de rédaction de prompts pour GPT-Live ou Realtime. Consultez ensuite les guides communs sur les voix personnalisées, l’évaluation et l’optimisation des coûts. Chaque guide précise les comportements propres à chaque modèle ou API.
Choisissez un mode de connexion
Pour gérer l’audio dans un navigateur, commencez par WebRTC. Pour les pipelines audio côté serveur, utilisez les WebSockets. Pour les appels téléphoniques, consultez le guide Téléphonie et SIP. Une connexion de contrôle côté serveur permet à un backend de confiance d’observer et de contrôler une session multimédia.
Sélectionnez votre API sur chaque page consacrée à la connexion. Même lorsque GPT-Live et Realtime utilisent le même protocole de transport, leurs procédures d’établissement de connexion, leurs informations d’authentification et leurs formats d’événements ne sont pas interchangeables. Consultez le guide de connexion pour connaître les prérequis et les étapes de configuration.
Ajoutez l’audio à votre application existante
Les exemples de Chat Completions figurent désormais dans le guide Audio dans Chat Completions. Pour créer votre premier agent vocal dans un navigateur, suivez le guide de démarrage rapide de GPT-Live avec WebRTC.