Déroulement
- Demandez à l’utilisateur l’autorisation d’accéder au microphone.
- Capturez l’audio avec la Web Audio API.
- Convertissez les échantillons flottants en PCM mono 16 bits.
- Envoyez des fragments audio en base64 via
wss://api.gradium.ai/api/speech/asr. - Affichez les messages
textet utilisez les messagessteppour la gestion des tours de parole.
Client navigateur
ScriptProcessorNode est facile à lire mais obsolète. En production,
préférez un AudioWorklet pour que la capture audio reste fiable même lorsque l’interface est chargée.
Remarques sur le format audio
input_format: "pcm"correspond à du PCM mono 24 kHz, entiers signés 16 bits.- Si le graphe audio de votre navigateur tourne à 48 kHz, rééchantillonnez à 24 kHz
ou envoyez
input_format: "pcm_48000". - Envoyez de petits fragments, d’environ 80-100 ms, pour maintenir une latence faible.
- N’envoyez pas de formats compressés du navigateur, sauf si vous définissez explicitement un
format d’entrée Gradium pris en charge, comme
opus.
Voir aussi
WebSocket de transcription (STT)
Types de messages, VAD, flush et exemples de WebSocket direct.
Gestion des tours de parole avec la VAD
Utilisez la VAD sémantique pour déterminer quand un locuteur a fini de parler.