快速开始:完成你的第一通对话
先在网页里听见模型的回答,再把同一个模型 ID 接入你的应用。
只想先听效果?登录后可直接打开 Playground。使用自己的程序调用时,再创建 API Key。
1. 注册并登录语音平台
打开 注册页面完成注册,已有账号可直接登录。进入控制台后,可以找到 API 密钥、Voice 管理、Playground 和钱包。
实际调用按所选模型和账号适用费率计费;开始前请在钱包确认可用余额。
2. 创建 API Key
在控制台打开 API 密钥,点击「创建 API 密钥」。
- 填写一个便于识别的名称,例如「快速开始示例」。
- 选择适用分组,按需要设置额度和有效期。
- 若设置模型限制,将准备调用的模型加入允许范围。
-
保存后,将密钥放入自己的后端环境变量
LATENTX_API_KEY。
长期 Key 只能放在业务后端;网页应用使用后端签发的短期 WebRTC 凭证。
3. 选择一个 LatenTX 模型
打开
Voice 管理 → LatenTX 模型,查看可用模型、基础标价和音色。初次接入可从
latentx-realtime-2.5-mini 开始。
| 模型 | 定位 |
|---|---|
latentx-realtime-2.5-max |
复杂推理、多步骤 Agent 任务 |
latentx-realtime-2.5-plus |
能力与成本平衡的业务对话 |
latentx-realtime-2.5-mini |
高频、低延迟、成本敏感场景 |
latentx-realtime-2.5-multilingual-max |
多语言复杂业务对话 |
latentx-realtime-2.5-multilingual-mini |
多语言日常问答与轻量业务 |
语言和音色请从
GET /voice/v1/catalog
对应型号读取。自定义模型发布后会得到租户独有的
custom-...-vN ID,调用方式与上述模型相同。
4. 在 Playground 体验语音对话
打开 Playground,选择模型,先沿用模型默认提示词和音色,也可以填写自己的开场白。
- 点击配置区底部的「开始通话」,按浏览器提示允许麦克风权限。
- 对模型说一句话,试听回答;结束时点击「结束通话」。
- 通话结束后,在调试记录中选择对应通话,查看完整对话。
5. 用 API 完成第一个文本响应
网页体验后,使用同一个模型 ID 在你的后端建立 Realtime WebSocket 连接。以下示例先验证文本响应,再接入音频。
LatenTX 提供兼容 OpenAI Realtime GA
事件格式的语音模型接口,支持文本、音频、Function、远程 MCP、Skill
和可发布的自定义模型。临时对话可直接选择预定义模型并传入
instructions、tools;业务配置需要复用时,发布自定义模型后使用其
model ID 调用。两种方式均无需额外注册 Agent。
session.update → 发送文本或音频 → 读取增量事件和
response.done。
接口地址
| 用途 | 地址 | 认证 |
|---|---|---|
| Realtime WebSocket | wss://api.latenth.com/v1/realtime?model=MODEL |
Authorization: Bearer API_KEY |
| 模型发现 | GET https://api.latenth.com/v1/models |
Bearer API Key |
| Voice 管理 API | https://api.latenth.com/voice/v1 |
Bearer API Key |
| 网页临时凭证 |
POST https://api.latenth.com/voice/v1/webrtc/credentials
|
Bearer API Key,仅后端调用 |
运行示例
npm install ws
import WebSocket from 'ws';
const model = 'latentx-realtime-2.5-mini';
const ws = new WebSocket(
`wss://api.latenth.com/v1/realtime?model=${model}`,
{ headers: { Authorization: `Bearer ${process.env.LATENTX_API_KEY}` } }
);
ws.on('open', () => ws.send(JSON.stringify({
type: 'session.update',
session: {
type: 'realtime',
output_modalities: ['text'],
instructions: '你是客服助手,请简洁回答。'
}
})));
ws.on('message', raw => {
const event = JSON.parse(raw.toString());
if (event.type === 'session.updated') {
ws.send(JSON.stringify({type:'conversation.item.create',item:{
type:'message',role:'user',content:[{type:'input_text',text:'你好,请介绍你能做什么。'}]
}}));
ws.send(JSON.stringify({type:'response.create'}));
}
if (event.type === 'response.output_text.delta') process.stdout.write(event.delta);
if (event.type === 'response.done') { console.log('\nusage:', event.response.usage); ws.close(); }
});
接着接入语音响应
将 output_modalities 设置为
["audio"]。输入音频使用 PCM16
little-endian、单声道、24kHz,Base64 后分块发送
input_audio_buffer.append。默认开启服务端 VAD;手动模式把
turn_detection 设为 null,说完后依次发送
input_audio_buffer.commit 和
response.create。
让语音执行复杂任务
-
Function:在
session.tools注册函数,收到response.function_call_arguments.done后由你的后端执行,再回传function_call_output。 -
MCP:使用标准
tools[type=mcp],由平台发现和执行远程工具;默认需要审批。 -
Skill:使用
session.latentx.skills传内联 Skill,或在 Console 创建自定义模型时引用已注册 Skill。
用量与价格
文本输入、文本输出、音频输入、音频输出分项计量。默认模式读
response.done.response.usage;显式开启 transcription
模式时,从转写完成事件单独读取音频输入。查看计量规则;当前基础价格从 GET /voice/v1/catalog 的 prices
获取,实际结算以账单为准。
选择接入方式
| 用途 | 接入入口 |
|---|---|
| 自己的服务处理音频、文本和事件 | Realtime WebSocket 拨测 |
| 网页麦克风通话 | 后端签发短期凭证,前端使用 WebRTC SDK;网页通话体验 |
| 电话呼入 | 将已分配的号码绑定到模型;见电话接入 |
希望让 AI 帮你接入?安装 LatenTX Agent Skill,可按任务完成 API、IM、网页语音或业务配置。完整协议见 Realtime 协议参考与 Admin 管理 API。
所有 API 错误均返回非 2xx 状态。Realtime 错误通过 WebSocket
error 事件返回。