Echtzeit-Streaming (/v1/realtime)

Der Endpunkt /v1/realtime bietet standardmäßiges Vollduplex-WebSocket-Audio-Streaming für Live-Untertitel und interaktive Sprachassistenten.

---

Verbindungsendpunkt

ws://localhost:8000/v1/realtime?api_key=sk-oneasr-v1-xxx&model=xasr

---

Audio-Eingabeformat

• Abtastrate: 16.000 Hz (16 kHz)
• Kanäle: 1 (Mono)
• Kodierung: 16-Bit Signed Integer PCM Little-Endian (pcm_s16le)
• Blockdauer: 100 ms – 200 ms pro Frame (3.200 Bytes pro Chunk)

---

Nachrichtenprotokoll

Client ➔ Server:

Kontinuierliches Senden von binären PCM-Rohaudiodaten über die WebSocket-Verbindung.

Server ➔ Client (JSON-Text):

{
  "type": "transcription",
  "text": "Hello world",
  "is_final": false,
  "start": 0.0,
  "end": 1.2
}

Wenn eine Satzgrenze erkannt wird:

{
  "type": "transcription",
  "text": "Hello world.",
  "is_final": true,
  "start": 0.0,
  "end": 1.8
}