实时语音对话 (WebSocket)

GET

https://moyunapi.com/v1/realtime

Realtime

建立 WebSocket 连接进行低延迟实时语音对话。

连接方式

使用 WebSocket 协议连接：wss://moyunapi.com/v1/realtime?model=gpt-4o-realtime
需在握手时携带认证头：Authorization: Bearer sk-xxxxxx，并通过 query 指定 model。

交互流程

客户端连接成功后发送 session.update 事件配置会话（音色、格式、工具等）；

发送 input_audio_buffer.append 流式上传音频；

发送 input_audio_buffer.commit 或配置自动提交触发识别；

服务端返回 response.audio.delta（增量音频）、response.text.delta（增量文本）、conversation.item.created 等事件；

可随时发送 response.cancel 中断。

⚠️ 这是一个 WebSocket 端点，HTTP 客户端无法直接调用，需使用 WebSocket 客户端库。

请求参数

Authorization

Bearer Token

在 Header 添加参数

Authorization

，其值为在 Bearer 之后拼接 Token

示例：

Authorization: Bearer ********************

Query 参数

Header 参数

返回响应

⚪101

application/json

WebSocket 协议切换成功，连接已建立。随后通过事件（JSON 消息）进行双向交互。

Bodyapplication/json

🟠400

🟠401

🟠429

🔴500

请求示例

Shell

JavaScript

Java

Swift

curl --location 'https://moyunapi.com/v1/realtime?model=' \
--header 'Accept;' \
--header 'Authorization: Bearer <token>'

响应示例

101 - 客户端→服务端：配置会话

{
    "type": "session.update",
    "session": {
        "voice": "alloy",
        "output_format": "pcm16",
        "turn_detection": {
            "type": "server_vad",
            "threshold": 0.5,
            "silence_duration_ms": 500
        },
        "modalities": [
            "text",
            "audio"
        ]
    }
}

语音识别 (Audio Transcription)

内容安全审核 (Moderations)

实时语音对话 (WebSocket)

连接方式#

交互流程#

请求参数

返回响应

连接方式

交互流程