Realtime API для потокового синтеза речи
Приложение может передавать текст по частям через WebSocket и получать аудио по мере генерации.
У GenVoice появился Realtime API для интерактивных голосовых сценариев. Текст можно передавать постепенно, а аудио получать частями по мере готовности.
Не ждать весь ответ
Такой режим полезен для голосовых помощников и приложений, где текст приходит от языковой модели. Вместо ожидания полного ответа приложение может передавать очередные фрагменты в существующую WebSocket-сессию.
Протокол поддерживает несколько генераций в одной сессии и событие прерывания. Это позволяет управлять разговором, когда пользователь начинает новую реплику или больше не хочет слушать текущий ответ. Для подключения доступны аудиоформаты, подходящие для интерактивных приложений и телефонии.
Примеры подключения, события и ограничения собраны в документации Realtime API. Для обычной генерации готового файла можно продолжать использовать REST API.