API голосового общения
Общайтесь с моделью голосом в реальном времени. Доступные для подключения модели перечислены в GET /api/realtime/models.
gpt-live-1
Подключение и авторизация
wss://plusvibeapi.ru/v1/live/sessions — Authorization: Bearer YOUR_API_KEY.
Пример использует Node.js и пакет ws. Храните ключ на сервере: браузерный WebSocket не позволяет задать заголовок Authorization.
import WebSocket from 'ws';
import { readFileSync } from 'node:fs';
const ws = new WebSocket('wss://plusvibeapi.ru/v1/live/sessions', {
headers: { Authorization: 'Bearer ' + process.env.PV_API_KEY },
});
ws.on('open', () => ws.send(JSON.stringify({
type: 'session.start', session: { model: 'gpt-live-1' },
})));
ws.on('message', data => {
const event = JSON.parse(data.toString());
if (event.type === 'session.started') {
// audio.pcm: 24 kHz, mono, 16-bit little-endian PCM (at most 5 seconds).
const audio = readFileSync('audio.pcm').toString('base64');
ws.send(JSON.stringify({ type: 'session.input_audio.append', audio }));
}
if (event.type === 'session.output_audio.delta') {
// event.delta is base64-encoded PCM audio.
process.stdout.write(Buffer.from(event.delta, 'base64'));
}
if (event.type === 'error') console.error(event.error);
});
// Close explicitly when the conversation is finished:
// ws.send(JSON.stringify({ type: 'session.close' }));Стоимость
6,77 ₽ за минуту (0,11282 ₽ за секунду). Оплата посекундная, по длительности звукового сеанса, сообщённой поставщиком; дополнительного минимума с нашей стороны нет.
Ограничения
По умолчанию сеанс длится не более 30 минут. В одном сообщении можно передать до 5 секунд аудио. При исчерпании доступного баланса сеанс остановится. Доступные форматы и настройки можно проверить через GET /api/realtime/models.
GPT Realtime Mini
wss://plusvibeapi.ru/v1/realtime?model=gpt-realtime-2.1-mini — Authorization: Bearer YOUR_API_KEY.
2,05 ₽ за минуту. Одним итоговым списанием оплачиваются секунды входящего звука без кеша и сгенерированного ответа по данным поставщика.
Дождитесь session.updated. Отправьте PCM16 моно 24 кГц в input_audio_buffer.append, затем input_audio_buffer.commit и response.create. Звук приходит в response.output_audio.delta. Одно соединение рассчитано на 60 секунд звука и завершает уже начатый ответ.