GPT Live API を使いこなす

DRANK

はじめにOpenAI の GPT Live という新しい音声モデルを利用するための API について、どう使いこなしたらいいかについてまとめていこうと思います。以前、OpenAI の記事を読んでの解説記事を書いているので、内部構造やモデルがどんなものかについてはそちらを参照してください。ちなみにこのモデルの特徴をざっくり言うと、双方向チャネルを持ち「話す」と「聞く」を同時に行うことができるモデル です。今回の記事を書くにあたって、色々実験できるように GPT Live API Playground を作ってみました。ここでは、指示や委譲処理を書き換えて繰り返し実験して、Live API の動きを確認することができます。今回解説している内容を手軽に試すことができるので、ぜひ使ってみてください。（後述する、カスタム音声を作成する仕組みも入れてあります）How to useまずはじめに GPT Live API の使い方をコード断片で紹介します。なお、自作アプリで有効活用するために必要な「委譲」についての解説が主です。委譲にはふたつのタイプがあります。WebSocket で接続して session.start を送るWebSocket を使って接続します。WebRTC による接続も用意されていますが、ここでは ws パッ…