实时语音（Realtime）

实时接口基于 WebSocket，支持低延迟的语音 / 文本双向交互，适用于实时语音对话、同声传译等场景。

建立连接

GET wss://ai.youqi.tech/v1/realtime?model=<model>

通过 WebSocket 连接，并在握手头中携带认证：

Authorization: Bearer sk-YOUR_API_KEY

连接示例（Node.js）

import WebSocket from "ws";

const ws = new WebSocket(
  "wss://ai.youqi.tech/v1/realtime?model=gpt-4o-realtime-preview",
  {
    headers: { Authorization: "Bearer sk-YOUR_API_KEY" },
  },
);

ws.on("open", () => {
  ws.send(
    JSON.stringify({
      type: "response.create",
      response: { modalities: ["text", "audio"], instructions: "你好" },
    }),
  );
});

ws.on("message", (data) => {
  console.log(JSON.parse(data.toString()));
});

事件模型

实时接口采用事件驱动：客户端发送事件（如 session.update、input_audio_buffer.append、response.create），服务端推送事件（如 response.audio.delta、response.text.delta、response.done）。

常见客户端事件	说明
session.update	更新会话配置（音色、模态、系统提示等）
input_audio_buffer.append	追加输入音频分片（base64）
response.create	请求模型生成回复

常见服务端事件	说明
response.text.delta	文本增量
response.audio.delta	音频增量（base64）
response.done	一次回复结束

注意

实时接口为长连接、事件驱动模式，与普通 REST 接口差异较大。可用模型与具体事件集以所选模型为准。