Conversation en temps réel

# Dépendance : pip install "openai[realtime]"
import asyncio
import base64
from openai import AsyncOpenAI

# Réutiliser le SDK officiel ne demande que deux adaptations :
#   1) pointer websocket_base_url vers la passerelle AiHubMix (et non l'adresse OpenAI par défaut)
#   2) passer model explicitement à connect(), requis pour la poignée de main (aucun intent pour la conversation)
client = AsyncOpenAI(
    api_key="sk-***",  # Remplacez par votre clé d'API AiHubMix
    websocket_base_url="wss://aihubmix.com/v1",
)

async def main():
    async with client.realtime.connect(model="gpt-realtime-2.1") as conn:
        # 1) Configurer la session : instructions système + voix + VAD (détection automatique des tours)
        await conn.session.update(session={
            "type": "realtime",
            "instructions": "You are a helpful voice assistant. Keep answers concise.",
            "audio": {
                "input": {
                    "format": {"type": "audio/pcm", "rate": 24000},
                    "turn_detection": {"type": "server_vad"},
                },
                "output": {
                    "format": {"type": "audio/pcm", "rate": 24000},
                    "voice": "alloy",
                },
            },
        })

        # 2) Envoyer un message texte et demander une réponse (pour l'audio, voir append/commit dans l'exemple brut)
        await conn.conversation.item.create(item={
            "type": "message",
            "role": "user",
            "content": [{"type": "input_text", "text": "What is the capital of France?"}],
        })
        await conn.response.create()

        # 3) Recevoir la réponse de ce tour : le texte arrive en deltas de transcription, la voix en deltas audio
        async for event in conn:
            if event.type == "response.output_audio_transcript.delta":
                print(event.delta, end="", flush=True)  # texte de la réponse (sortie incluant l'audio)
            elif event.type == "response.output_audio_transcript.done":
                print()  # transcription de ce tour terminée
            elif event.type == "response.output_text.delta":
                print(event.delta, end="", flush=True)  # sortie texte seul
            elif event.type == "response.output_text.done":
                print()
            elif event.type == "response.output_audio.delta":
                pass  # fragment audio PCM16 encodé en base64, à décoder pour lecture
            elif event.type == "input_audio_buffer.speech_started":
                pass  # interruption utilisateur : arrêter la lecture puis appeler conn.conversation.item.truncate(...)
            elif event.type == "response.done":
                print("\n[tour terminé]", event.response.usage)
                break
            elif event.type == "error":
                print("\n[erreur]", event.to_dict())
                break

asyncio.run(main())

import asyncio
import base64
import json
import websockets

API_KEY = "sk-***"  # Remplacez par votre clé d'API AiHubMix
URL = "wss://aihubmix.com/v1/realtime?model=gpt-realtime-2.1"

async def main():
    # websockets >= 13 utilise additional_headers ; les versions plus anciennes utilisent extra_headers
    async with websockets.connect(
        URL, additional_headers={"Authorization": f"Bearer {API_KEY}"}
    ) as ws:
        # 1) Configurer la session (VAD désactivé, contrôle manuel du moment de la réponse)
        await ws.send(json.dumps({
            "type": "session.update",
            "session": {
                "type": "realtime",
                "instructions": "You are a helpful voice assistant.",
                "audio": {
                    "input": {
                        "format": {"type": "audio/pcm", "rate": 24000},
                        "turn_detection": None,
                    },
                    "output": {
                        "format": {"type": "audio/pcm", "rate": 24000},
                        "voice": "alloy",
                    },
                },
            },
        }))

        # 2) Lire un fichier PCM16 / 24 kHz / mono brut local, l'envoyer par fragments, puis commit + demande de réponse
        async def send_audio():
            with open("audio_pcm16_24k.raw", "rb") as f:
                pcm = f.read()
            chunk = 24000 * 2 // 10  # 100 ms = fréquence d'échantillonnage x 2 octets / 10
            for i in range(0, len(pcm), chunk):
                await ws.send(json.dumps({
                    "type": "input_audio_buffer.append",
                    "audio": base64.b64encode(pcm[i:i + chunk]).decode(),
                }))
                await asyncio.sleep(0.1)  # simuler le rythme temps réel
            # VAD désactivé : valider et demander une réponse manuellement
            await ws.send(json.dumps({"type": "input_audio_buffer.commit"}))
            await ws.send(json.dumps({"type": "response.create"}))

        asyncio.create_task(send_audio())

        # 3) Recevoir la réponse
        async for msg in ws:
            evt = json.loads(msg)
            etype = evt.get("type", "")
            if etype == "response.output_audio_transcript.delta":
                print(evt.get("delta", ""), end="", flush=True)  # texte de la réponse (sortie incluant l'audio)
            elif etype == "response.output_audio_transcript.done":
                print()  # transcription de ce tour terminée
            elif etype == "response.output_text.delta":
                print(evt.get("delta", ""), end="", flush=True)  # sortie texte seul
            elif etype == "input_audio_buffer.speech_started":
                pass  # interruption utilisateur : arrêter la lecture puis envoyer conversation.item.truncate
            elif etype == "response.output_audio.delta":
                pass  # fragment audio PCM16 encodé en base64, à décoder pour lecture
            elif etype == "response.done":
                print("\n[tour terminé]", evt.get("response", {}).get("usage"))
                break
            elif etype == "error":
                print("\n[erreur]", evt.get("error"))
                break

asyncio.run(main())

# Dépendance : pip install openai-agents
import asyncio
from agents.realtime import (
    OpenAIRealtimeWebSocketModel,
    RealtimeAgent,
    RealtimeSession,
)

agent = RealtimeAgent(
    name="Assistant",
    instructions="You are a helpful voice assistant. Keep answers concise.",
)

async def main():
    session = RealtimeSession(
        OpenAIRealtimeWebSocketModel(),
        agent,
        None,
        model_config={
            "api_key": "sk-***",  # Remplacez par votre clé d'API AiHubMix
            "url": "wss://aihubmix.com/v1/realtime?model=gpt-realtime-2.1",
        },
        run_config={
            "model_settings": {
                "modalities": ["audio"],
                "output_audio_format": "pcm16",
                # À désactiver impérativement : la transcription audio en entrée activée par défaut
                # n'est pas prise en charge par cette API, sinon la session est fermée avec 1008
                "input_audio_transcription": None,
            },
        },
    )
    async with session:
        await session.send_message("What is the capital of France?")
        async for event in session:
            if getattr(event, "type", "") == "raw_model_event":
                data = getattr(event, "data", None)
                if getattr(data, "type", "") == "transcript_delta":
                    print(getattr(data, "delta", ""), end="", flush=True)
                elif getattr(data, "type", "") == "turn_ended":
                    print("\n[tour terminé]")
                    return

asyncio.run(main())

# Vérifiez rapidement la connectivité et l'authentification avec wscat (nécessite npm i -g wscat)
wscat -c "wss://aihubmix.com/v1/realtime?model=gpt-realtime-2.1" \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY"

# Une fois connecté, collez une trame session.update, puis envoyez un message texte + response.create pour démarrer