LATENTX / QUICKSTART

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。

  1. 01注册登录
  2. 02创建密钥
  3. 03选择模型
  4. 04网页体验
  5. 05API 接入

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」。

  1. 填写一个便于识别的名称,例如「快速开始示例」。
  2. 选择适用分组,按需要设置额度和有效期。
  3. 若设置模型限制,将准备调用的模型加入允许范围。
  4. 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。

创建 API 密钥表单:填写名称、分组、有效期和额度,设置完成后保存。
创建密钥表单 · 点击图片查看大图

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。

LatenTX 模型列表:每张卡片展示模型名称、分项标价、模型 ID 和在 Playground 测试入口。
复制模型 ID 用于 API 调用,或点击「在 Playground 测试」直接体验。型号和价格以平台当前展示为准。
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。

  1. 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。
  2. 对模型说一句话,试听回答;结束时点击「结束通话」。
  3. 通话结束后,在调试记录中选择对应通话,查看完整对话。
Playground:左侧选择模型、配置提示词与开场白,底部开始通话;右侧查看通话状态和调试记录。
左侧配置,右侧查看状态与记录;首次体验可保留模型默认配置。

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。

创建 API Key → 选择模型 → 建立 WebSocket → 发送 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

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。