Qwen-Audio-Realtime サーバーイベント

ユーザーガイド：リアルタイム音声対話（Qwen-Audio-Realtime）。イベントのやり取りの順序は、WebSocket アクセスをご覧ください。

このページは Qwen-Audio-Realtime のイベントリファレンスです。イベント定義は WebSocket アクセスを基準としています。AOQ と WebRTC は、それぞれのデータチャネルでモデルイベントを送受信し、メディアトラックでメディアを転送します。最初に WebSocket アクセス、WebRTC アクセス、または AOQ アクセスをお読みください。

WebSocket SDK の使用方法は、Android SDK、iOS SDK、HarmonyOS SDKをご覧ください。モデルとプロトコルの選択は、概要をご覧ください。

error

説明：リクエストが失敗した場合、またはサービスエラーが発生した場合に返されます。クライアントエラー (invalid_request_error) の場合、接続は維持されます。サーバーエラー (server_error) の場合、接続は終了します。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に error です。errorobjectエラーの詳細です。

プロパティ

typestringエラータイプです。例：invalid_request_error (クライアントエラー) または server_error (サーバーエラー)。codestringエラーコードです。messagestringエラーメッセージです。paramstringエラーに関連するパラメーターです。

{
    "event_id": "event_xxx",
    "type": "error",
    "error": {
        "type": "invalid_request_error",
        "code": "invalid_value",
        "message": "Cannot create response while another response is in progress.",
        "param": "response.create"
    }
}

session.created

説明：接続が確立された後にサーバーから送信される最初のイベントです。デフォルトのセッション構成が含まれます。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に session.created です。sessionobjectセッション構成です。

プロパティ

objectstring常に realtime.session です。modelstringモデル名です。modalitiesarrayモデルの出力モダリティです。voicestring音声生成に使用される音声です。システム音声名またはクローン音声の voice_id のいずれかです。input_audio_transcriptionobject音声文字起こしの構成です。

プロパティ

modelstring文字起こしモデルです。例：fun-asr。

turn_detectionobject発話区間検出 (VAD) の構成です。idstring一意のセッション識別子です。

{
    "event_id": "event_KiKZC2zrhNsKFPZ5cTpyA",
    "type": "session.created",
    "session": {
        "object": "realtime.session",
        "model": "qwen-audio-3.0-realtime-plus",
        "modalities": ["text", "audio"],
        "voice": "longanqian",
        "input_audio_transcription": {
            "model": "fun-asr"
        },
        "turn_detection": {
            "type": "server_vad",
            "threshold": 0.5,
            "silence_duration_ms": 800
        },
        "id": "sess_A1LbG2D63WELBSawRbpq8"
    }
}

session.updated

説明：session.update リクエストが正常に処理された後に返されます。更新後の完全なセッション構成が含まれます。リクエストが失敗した場合は、代わりに error イベントが返されます。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に session.updated です。sessionobject更新後の完全なセッション構成です。session.created のセッションオブジェクトと同じ構造を共有します。

{
    "event_id": "event_FMG6kiHbILCGiqXFPA98e",
    "type": "session.updated",
    "session": {
        "id": "sess_A1LbG2D63WELBSawRbpq8",
        "object": "realtime.session",
        "model": "pre-fun-realtime-audiochat-beta-3",
        "modalities": ["text", "audio"],
        "voice": "longanqian",
        "input_audio_transcription": {
            "model": "fun-asr"
        },
        "turn_detection": {
            "type": "smart_turn",
            "threshold": 0.1,
            "silence_duration_ms": 900
        }
    }
}

input_audio_buffer.speech_started

説明：server_vad / smart_turn モードで音声アクティビティ検出 (VAD) が音声の開始を検出したときに送信されます。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に input_audio_buffer.speech_started です。audio_start_msinteger音声が開始されたときのミリ秒単位のタイムスタンプです。item_idstringこの音声セグメントがコミットされたときに作成されるアイテムの ID です。

{
    "event_id": "event_xxx",
    "type": "input_audio_buffer.speech_started",
    "audio_start_ms": 1200,
    "item_id": "item_xxx"
}

input_audio_buffer.speech_stopped

説明：server_vad / smart_turn モードで VAD が音声の終了を検出したときに送信されます。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に input_audio_buffer.speech_stopped です。audio_end_msinteger音声が終了したときのミリ秒単位のタイムスタンプです。item_idstring作成されるユーザーメッセージアイテムの ID です。reasonstringsmart_turn モードでのみ返されます。turn_invalid に設定されている場合、現在の発話が無効 (意味内容なし) と分類され、推論がトリガーされないことを示します。このフィールドは有効な発話の場合は存在しません。

{
    "event_id": "event_xxx",
    "type": "input_audio_buffer.speech_stopped",
    "audio_end_ms": 3400,
    "item_id": "item_xxx",
    "reason": "turn_invalid"
}

input_audio_buffer.committed

説明：オーディオバッファーが、プッシュツートークコミットまたは自動 VAD コミットのいずれかによって、ユーザーメッセージとしてコミットされました。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に input_audio_buffer.committed です。previous_item_idstring前の会話アイテムの ID です。item_idstring作成されたユーザーメッセージアイテムの ID です。

{
    "event_id": "event_xxx",
    "type": "input_audio_buffer.committed",
    "previous_item_id": "item_xxx",
    "item_id": "item_xxx"
}

input_audio_buffer.cleared

説明：オーディオバッファーがクリアされました (プッシュツートークモードのみ)。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に input_audio_buffer.cleared です。

{
    "event_id": "event_xxx",
    "type": "input_audio_buffer.cleared"
}

conversation.item.created

説明：新しい会話アイテムが作成されました。ユーザーの音声がコミットされたとき、クライアントが手動でアイテムを作成したとき、またはアシスタントの応答が開始されたときにトリガーされます。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に conversation.item.created です。previous_item_idstring前の会話アイテムの ID です。itemobject作成された会話アイテムです。

プロパティ

idstring会話アイテムの一意の識別子です。objectstring常に realtime.item です。typestringアイテムタイプ：message (標準メッセージ) または function_call (関数呼び出し)。statusstringアイテムステータスです。例：in_progress または completed。rolestringメッセージロールです。例：user または assistant。message タイプのアイテムにのみ存在します。contentarrayメッセージコンテンツのリストです。message タイプのアイテムにのみ存在します。

{
    "event_id": "event_xxx",
    "type": "conversation.item.created",
    "previous_item_id": "item_xxx",
    "item": {
        "id": "item_xxx",
        "object": "realtime.item",
        "type": "message",
        "status": "in_progress",
        "role": "assistant",
        "content": []
    }
}

conversation.item.deleted

説明：会話アイテムが削除されました。クライアントが conversation.item.delete イベントを送信した後の確認として返されます。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に conversation.item.deleted です。item_idstring削除された会話アイテムの ID です。

{
    "event_id": "event_xxx",
    "type": "conversation.item.deleted",
    "item_id": "item_xxx"
}

conversation.item.retrieved

説明：会話アイテムが正常に取得されました。クライアントが conversation.item.retrieve イベントを送信した後に返されます。オーディオタイプのコンテンツの場合、文字起こしテキストのみが含まれ、生の音声データは返されません。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に conversation.item.retrieved です。itemobject取得された会話アイテムです。

プロパティ

idstring会話アイテムの一意の識別子です。objectstring常に realtime.item です。typestringアイテムタイプ：message (標準メッセージ) または function_call (関数呼び出し)。rolestringメッセージロールです。例：user または assistant。message タイプのアイテムにのみ存在します。contentarrayメッセージコンテンツのリストです。オーディオタイプのコンテンツの場合、文字起こしテキストのみが含まれ、生の音声データは返されません。

{
    "event_id": "event_xxx",
    "type": "conversation.item.retrieved",
    "item": {
        "id": "item_xxx",
        "object": "realtime.item",
        "type": "message",
        "role": "user",
        "content": [
            {
                "type": "input_audio",
                "transcript": "Hello"
            }
        ]
    }
}

conversation.item.input_audio_transcription.delta

説明：音声認識中にストリーミングされる、逐次的な自動音声認識 (ASR) の文字起こし結果です。感情および言語検出情報が含まれます。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に conversation.item.input_audio_transcription.delta です。item_idstring関連する会話アイテムの ID です。content_indexintegerコンテンツパートのインデックスです。textstring確定した文字起こしテキストです。stashstringまだ確定していない未確定のテキストです。

{
    "event_id": "event_xxx",
    "type": "conversation.item.input_audio_transcription.delta",
    "item_id": "item_xxx",
    "content_index": 0,
    "text": "Hello",
    "stash": "world"
}

conversation.item.input_audio_transcription.completed

説明：最終的な ASR 文字起こし結果です。文字起こしされたテキストは、対応するアイテムの transcript フィールドに書き込まれます。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に conversation.item.input_audio_transcription.completed です。item_idstring関連する会話アイテムの ID です。content_indexintegerコンテンツパートのインデックスです。transcriptstring完全な文字起こしテキストです。

{
    "event_id": "event_xxx",
    "type": "conversation.item.input_audio_transcription.completed",
    "item_id": "item_xxx",
    "content_index": 0,
    "transcript": "Hello world"
}

conversation.item.input_audio_transcription.failed

説明：ASR 文字起こしが失敗しました。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に conversation.item.input_audio_transcription.failed です。item_idstring関連する会話アイテムの ID です。content_indexintegerコンテンツパートのインデックスです。errorobjectエラーの詳細です。

プロパティ

typestringエラータイプです。例：transcription_error。codestringエラーコードです。例：transcription_failed。messagestringエラーメッセージです。

{
    "event_id": "event_xxx",
    "type": "conversation.item.input_audio_transcription.failed",
    "item_id": "item_xxx",
    "content_index": 0,
    "error": {
        "type": "transcription_error",
        "code": "transcription_failed",
        "message": "ASR transcription failed"
    }
}

conversation.item.ambient_audio_transcription.delta

説明：smart_turn モードのみ。環境音の逐次的な文字起こし結果です。VAD が音声アクティビティを検出しても、意味解析によって発話が無効と分類された場合 (例えば、バックグラウンドノイズや「えーと」「あのー」などのフィラーワード)、ASR の結果は環境音イベントとしてクライアントに転送されます。このイベントはどの会話アイテムにもリンクされません。item_id は独立した一時的な ID です。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に conversation.item.ambient_audio_transcription.delta です。item_idstringどの会話アイテムにも関連付けられていない、独立した一時的な ID です。content_indexintegerコンテンツパートのインデックスです。textstring確定した文字起こしテキストです。stashstringまだ確定していない未確定のテキストです。

{
    "event_id": "event_xxx",
    "type": "conversation.item.ambient_audio_transcription.delta",
    "item_id": "item_xxx",
    "content_index": 0,
    "text": "Hmm",
    "stash": ""
}

conversation.item.ambient_audio_transcription.completed

説明：smart_turn モードのみ。環境音の最終的な文字起こし結果です。対応する差分イベントとペアになり、環境音の文字起こしセグメントの終了を示します。この結果は会話コンテキストには書き込まれません。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に conversation.item.ambient_audio_transcription.completed です。item_idstring会話コンテキストに関連付けられていない、独立した一時的な ID です。content_indexintegerコンテンツパートのインデックスです。transcriptstring完全な文字起こしテキストです。

{
    "event_id": "event_xxx",
    "type": "conversation.item.ambient_audio_transcription.completed",
    "item_id": "item_xxx",
    "content_index": 0,
    "transcript": "Hmm",
}

response.created

説明：モデル推論ラウンドが開始されたときに送信されます。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に response.created です。responseobject応答オブジェクトです。

プロパティ

idstring応答の一意の識別子です。objectstring常に realtime.response です。statusstring応答ステータスです。例：in_progress。modalitiesarrayモデルの出力モダリティです。voicestring音声生成に使用される音声です。システム音声名またはクローン音声の voice_id のいずれかです。outputarray応答の出力アイテムです。最初は空の配列です。

{
    "event_id": "event_xxx",
    "type": "response.created",
    "response": {
        "id": "resp_xxx",
        "object": "realtime.response",
        "status": "in_progress",
        "modalities": ["text", "audio"],
        "voice": "longanqian",
        "output": []
    }
}

response.output_item.added

説明：応答に新しい出力アイテムが追加されました。出力アイテムタイプは、標準の返信の場合は message、Function Calling の場合は function_call です。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に response.output_item.added です。response_idstring関連する応答 ID です。output_indexinteger応答内の出力アイテムのインデックスです。itemobject追加された出力アイテムです。

プロパティ

idstring出力アイテムの一意の識別子です。objectstring常に realtime.item です。typestring出力アイテムタイプ：message (標準メッセージ) または function_call (関数呼び出し)。statusstring出力アイテムのステータスです。例：in_progress。rolestringメッセージロールです。常に assistant です。message タイプのアイテムにのみ存在します。contentarrayメッセージコンテンツのリストです。message タイプのアイテムにのみ存在します。

{
    "event_id": "event_xxx",
    "type": "response.output_item.added",
    "response_id": "resp_xxx",
    "output_index": 0,
    "item": {
        "id": "item_xxx",
        "object": "realtime.item",
        "type": "message",
        "status": "in_progress",
        "role": "assistant",
        "content": []
    }
}

Function Calling の出力アイテムの例：出力アイテムが関数呼び出しの場合、response.output_item.added / conversation.item.created / response.output_item.done イベントには、次の item 構造が含まれます。

{
          "id": "item_xxx",
          "object": "realtime.item",
          "type": "function_call",
          "status": "completed",
          "call_id": "call_xxx",
          "name": "get_weather",
          "arguments": "{\"city\":\"Hangzhou\"}"
      }

1 つの応答には複数の function_call アイテムを含めることができ、function_call 出力と並行して標準の message 出力も含まれる場合があります。Function Calling の部分は、音声再生のために TTS に送信されません。

response.content_part.added

説明：出力アイテムに新しいコンテンツパートが追加されました。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に response.content_part.added です。response_idstring関連する応答 ID です。item_idstring関連する出力アイテム ID です。output_indexinteger応答内の出力アイテムのインデックスです。content_indexinteger出力アイテム内のコンテンツパートのインデックスです。partobject追加されたコンテンツパートです。

プロパティ

typestringコンテンツタイプです。例：audio または text。textstringテキストコンテンツです。最初は空の文字列です。

{
    "event_id": "event_xxx",
    "type": "response.content_part.added",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "content_index": 0,
    "part": {
        "type": "audio",
        "text": ""
    }
}

response.text.delta

説明：テキストのみモードでのテキスト差分イベントです。テキストフラグメントを逐次的にストリーミングします。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に response.text.delta です。response_idstring関連する応答 ID です。item_idstring関連する出力アイテム ID です。output_indexinteger応答内の出力アイテムのインデックスです。content_indexinteger出力アイテム内のコンテンツパートのインデックスです。deltastring逐次的なテキストフラグメントです。

{
    "event_id": "event_xxx",
    "type": "response.text.delta",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "content_index": 0,
    "delta": "Hello"
}

response.text.done

説明：テキストのみモードでのテキスト出力完了イベントです。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に response.text.done です。response_idstring関連する応答 ID です。item_idstring関連する出力アイテム ID です。output_indexinteger応答内の出力アイテムのインデックスです。content_indexinteger出力アイテム内のコンテンツパートのインデックスです。textstring完全なテキスト出力です。

{
    "event_id": "event_xxx",
    "type": "response.text.done",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "content_index": 0,
    "text": "Hello, how can I help you?"
}

response.audio_transcript.delta

説明：オーディオモードでの文字起こし差分イベントです。文字起こしフラグメントを逐次的にストリーミングします。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に response.audio_transcript.delta です。response_idstring関連する応答 ID です。item_idstring関連する出力アイテム ID です。output_indexinteger応答内の出力アイテムのインデックスです。content_indexinteger出力アイテム内のコンテンツパートのインデックスです。deltastring逐次的な文字起こしフラグメントです。

{
    "event_id": "event_xxx",
    "type": "response.audio_transcript.delta",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "content_index": 0,
    "delta": "Hello"
}

response.audio_transcript.done

説明：オーディオモードでの文字起こし出力完了イベントです。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に response.audio_transcript.done です。response_idstring関連する応答 ID です。item_idstring関連する出力アイテム ID です。output_indexinteger応答内の出力アイテムのインデックスです。content_indexinteger出力アイテム内のコンテンツパートのインデックスです。transcriptstring完全な文字起こしテキストです。

{
    "event_id": "event_xxx",
    "type": "response.audio_transcript.done",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "content_index": 0,
    "transcript": "Hello, how can I help you?"
}

response.audio.delta

説明：WebSocket アクセス時の、音声モードでの増分音声データイベントです。delta フィールドは Base64 エンコードされた PCM 音声データです。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に response.audio.delta です。response_idstring関連する応答 ID です。item_idstring関連する出力アイテム ID です。output_indexinteger応答内の出力アイテムのインデックスです。content_indexinteger出力アイテム内のコンテンツパートのインデックスです。deltastringBase64 でエンコードされた PCM オーディオデータのフラグメントです。

{
    "event_id": "event_xxx",
    "type": "response.audio.delta",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "content_index": 0,
    "delta": "<base64-encoded audio data>"
}

response.audio.done

説明：オーディオモードでのオーディオ出力完了イベントです。オーディオデータは含まれません。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に response.audio.done です。response_idstring関連する応答 ID です。item_idstring関連する出力アイテム ID です。output_indexinteger応答内の出力アイテムのインデックスです。content_indexinteger出力アイテム内のコンテンツパートのインデックスです。

{
    "event_id": "event_xxx",
    "type": "response.audio.done",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "content_index": 0
}

response.content_part.done

説明：出力アイテム内のコンテンツパートが完了しました。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に response.content_part.done です。response_idstring関連する応答 ID です。item_idstring関連する出力アイテム ID です。output_indexinteger応答内の出力アイテムのインデックスです。content_indexinteger出力アイテム内のコンテンツパートのインデックスです。partobject完了したコンテンツパートです。

プロパティ

typestringコンテンツタイプです。例：audio または text。textstringテキストコンテンツまたは音声の文字起こしテキストです。

{
    "event_id": "event_xxx",
    "type": "response.content_part.done",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "content_index": 0,
    "part": {
        "type": "audio",
        "text": "Hello, how can I help you?"
    }
}

response.output_item.done

説明：応答内の出力アイテムが完了しました。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に response.output_item.done です。response_idstring関連する応答 ID です。output_indexinteger応答内の出力アイテムのインデックスです。itemobject完全な詳細情報を含む、完了した出力アイテムです。

プロパティ

idstring出力アイテムの一意の識別子です。objectstring常に realtime.item です。typestring出力アイテムタイプ：message (標準メッセージ) または function_call (関数呼び出し)。statusstring出力アイテムのステータスです。例：completed。rolestringメッセージロールです。常に assistant です。message タイプのアイテムにのみ存在します。contentarrayメッセージコンテンツのリストです。message タイプのアイテムにのみ存在します。

{
    "event_id": "event_xxx",
    "type": "response.output_item.done",
    "response_id": "resp_xxx",
    "output_index": 0,
    "item": {
        "id": "item_xxx",
        "object": "realtime.item",
        "type": "message",
        "status": "completed",
        "role": "assistant",
        "content": [
            {
                "type": "text",
                "text": "Hello, how can I help you?"
            }
        ]
    }
}

response.function_call_arguments.delta

説明：Function Calling の引数差分です。モデルがツールの呼び出しを決定すると、サーバーはまず response.output_item.added (item.type=function_call) と conversation.item.created を送信し、その後このイベントを通じて引数フラグメントをストリーミングします。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に response.function_call_arguments.delta です。response_idstring関連する応答 ID です。item_idstring関連する出力アイテム ID です。output_indexinteger応答内の出力アイテムのインデックスです。call_idstring関数呼び出しの一意の識別子です。deltastring関数呼び出しの引数の逐次的なフラグメント (JSON 文字列フラグメント) です。

{
    "event_id": "event_xxx",
    "type": "response.function_call_arguments.delta",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "call_id": "call_xxx",
    "delta": "{\"city"
}

response.function_call_arguments.done

説明：Function Calling の引数出力が完了したときに送信されます。このイベントを受信した後、クライアントは次の操作を行う必要があります：対応するツールを実行し、function_call_output アイテムを使用して conversation.item.create 経由で結果を会話に書き込み、その後 response.create を送信してフォローアップ推論ラウンドをトリガーします。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に response.function_call_arguments.done です。response_idstring関連する応答 ID です。item_idstring関連する出力アイテム ID です。output_indexinteger応答内の出力アイテムのインデックスです。call_idstring関数呼び出しの一意の識別子です。namestring呼び出された関数の名前です。argumentsstring完全な関数呼び出しの引数 (JSON 文字列) です。

{
    "event_id": "event_xxx",
    "type": "response.function_call_arguments.done",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "call_id": "call_xxx",
    "name": "get_weather",
    "arguments": "{\"city\":\"Hangzhou\"}"
}

response.done

説明：推論ラウンドが完了しました。status は完了の理由を示します。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に response.done です。responseobject完全な応答オブジェクトです。

プロパティ

idstring応答の一意の識別子です。objectstring常に realtime.response です。statusstring応答の完了ステータスです。有効な値：

completed：正常に完了しました。
cancelled：中断およびキャンセルされました。status_details.reason は turn_detected (VAD 割り込み) または client_cancelled (クライアント起因のキャンセル) です。
failed：LLM または TTS エラーです。

status_detailsobjectステータスの詳細です。ステータスが cancelled または failed の場合にのみ存在します。

プロパティ

typestringステータスタイプです。例：cancelled。reasonstringキャンセル理由：turn_detected (VAD 割り込み) または client_cancelled (クライアント起因のキャンセル)。

modalitiesarrayモデルの出力モダリティです。voicestring音声生成に使用される音声です。システム音声名またはクローン音声の voice_id のいずれかです。outputarray応答内の出力アイテムのリストで、完全なアイテムオブジェクトが含まれます。

{
    "event_id": "event_xxx",
    "type": "response.done",
    "response": {
        "id": "resp_xxx",
        "object": "realtime.response",
        "status": "completed",
        "modalities": ["text", "audio"],
        "voice": "longanqian",
        "output": [
            {
                "id": "item_xxx",
                "object": "realtime.item",
                "type": "message",
                "status": "completed",
                "role": "assistant",
                "content": [
                    {
                        "type": "audio",
                        "transcript": "Hello, how can I help you?"
                    }
                ]
            }
        ]
    }
}

voiceprint_audio_list.in_progress

説明：ボイスプリント登録プロセスが非同期で進行中です。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に voiceprint_audio_list.in_progress です。item_idstringボイスプリント登録タスクの一意の識別子です。

{
    "event_id": "event_PaEcN7CCrlhE8q4MM2yND",
    "type": "voiceprint_audio_list.in_progress",
    "item_id": "vp_Y12cA986j1KZ9O9YmAXOA"
}

voiceprint_audio_list.completed

説明：ボイスプリント登録プロセスが正常に完了しました。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に voiceprint_audio_list.completed です。item_idstringボイスプリント登録タスクの一意の識別子です。

{
    "event_id": "event_PaEcN7CCrlhE8q4MM2yND",
    "type": "voiceprint_audio_list.completed",
    "item_id": "vp_Y12cA986j1KZ9O9YmAXOA"
}

voiceprint_audio_list.failed

説明：ボイスプリント登録が失敗しました。通常の会話呼び出しはブロックされません。

event_idstringこのイベントの一意の識別子です。typestringイベントタイプです。常に voiceprint_audio_list.failed です。item_idstringボイスプリント登録タスクの一意の識別子です。reasonstring失敗理由の説明です。

{
    "event_id": "event_PaEcN7CCrlhE8q4MM2yND",
    "type": "voiceprint_audio_list.failed",
    "item_id": "vp_Y12cA986j1KZ9O9YmAXOA",
    "reason": ""
}

​error

​session.created

​session.updated

​input_audio_buffer.speech_started

​input_audio_buffer.speech_stopped

​input_audio_buffer.committed

​input_audio_buffer.cleared

​conversation.item.created

​conversation.item.deleted

​conversation.item.retrieved

​conversation.item.input_audio_transcription.delta

​conversation.item.input_audio_transcription.completed

​conversation.item.input_audio_transcription.failed

​conversation.item.ambient_audio_transcription.delta

​conversation.item.ambient_audio_transcription.completed

​response.created

​response.output_item.added

​response.content_part.added

​response.text.delta

​response.text.done

​response.audio_transcript.delta

​response.audio_transcript.done

​response.audio.delta

​response.audio.done

​response.content_part.done

​response.output_item.done

​response.function_call_arguments.delta

​response.function_call_arguments.done

​response.done

​voiceprint_audio_list.in_progress

​voiceprint_audio_list.completed

​voiceprint_audio_list.failed

error

session.created

session.updated

input_audio_buffer.speech_started

input_audio_buffer.speech_stopped

input_audio_buffer.committed

input_audio_buffer.cleared

conversation.item.created

conversation.item.deleted

conversation.item.retrieved

conversation.item.input_audio_transcription.delta

conversation.item.input_audio_transcription.completed

conversation.item.input_audio_transcription.failed

conversation.item.ambient_audio_transcription.delta

conversation.item.ambient_audio_transcription.completed

response.created

response.output_item.added

response.content_part.added

response.text.delta

response.text.done

response.audio_transcript.delta

response.audio_transcript.done

response.audio.delta

response.audio.done

response.content_part.done

response.output_item.done

response.function_call_arguments.delta

response.function_call_arguments.done

response.done

voiceprint_audio_list.in_progress

voiceprint_audio_list.completed

voiceprint_audio_list.failed