Qwen-Audio Realtime API server events - Alibaba Cloud Model Studio - Alibaba Cloud ドキュメントセンター

Qwen-Audio Realtime API のサーバーイベントリファレンスです。すべてのサーバーイベントには、 event_id (サーバーによって自動生成) と type (イベントタイプ) フィールドが含まれます。

ユーザーガイド：リアルタイムオーディオチャット (Qwen-Audio-Realtime)。イベントのインタラクションシーケンスについては、「WebSocket API」をご参照ください。

error

説明：リクエストが失敗した場合、またはサービスエラーが発生した場合に返されます。クライアントエラー (invalid_request_error) の場合、接続は維持されます。サーバーエラー (server_error) の場合、接続は終了します。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に error です。

errorobject

エラーの詳細です。

プロパティ

typestring

エラータイプです。例：invalid_request_error (クライアントエラー) または server_error (サーバーエラー)。

codestring

エラーコードです。

messagestring

エラーメッセージです。

paramstring

エラーに関連するパラメーターです。

{
    "event_id": "event_xxx",
    "type": "error",
    "error": {
        "type": "invalid_request_error",
        "code": "invalid_value",
        "message": "Cannot create response while another response is in progress.",
        "param": "response.create"
    }
}

session.created

説明：接続が確立された後にサーバーから送信される最初のイベントです。デフォルトのセッション構成が含まれます。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に session.created です。

sessionobject

セッション構成です。

プロパティ

objectstring

常に realtime.session です。

modelstring

モデル名です。

modalitiesarray

モデルの出力モダリティです。

voicestring

音声生成に使用される音声です。システム音声名またはクローン音声の voice_id のいずれかです。

input_audio_transcriptionobject

音声文字起こしの構成です。

プロパティ

modelstring

文字起こしモデルです。例：fun-asr。

turn_detectionobject

発話区間検出 (VAD) の構成です。

idstring

一意のセッション識別子です。

{
    "event_id": "event_KiKZC2zrhNsKFPZ5cTpyA",
    "type": "session.created",
    "session": {
        "object": "realtime.session",
        "model": "qwen-audio-3.0-realtime-plus",
        "modalities": ["text", "audio"],
        "voice": "longanqian",
        "input_audio_transcription": {
            "model": "fun-asr"
        },
        "turn_detection": {
            "type": "server_vad",
            "threshold": 0.5,
            "silence_duration_ms": 800
        },
        "id": "sess_A1LbG2D63WELBSawRbpq8"
    }
}

session.updated

説明：session.update リクエストが正常に処理された後に返されます。更新後の完全なセッション構成が含まれます。リクエストが失敗した場合は、代わりに error イベントが返されます。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に session.updated です。

sessionobject

更新後の完全なセッション構成です。session.created のセッションオブジェクトと同じ構造を共有します。

{
    "event_id": "event_FMG6kiHbILCGiqXFPA98e",
    "type": "session.updated",
    "session": {
        "id": "sess_A1LbG2D63WELBSawRbpq8",
        "object": "realtime.session",
        "model": "pre-fun-realtime-audiochat-beta-3",
        "modalities": ["text", "audio"],
        "voice": "longanqian",
        "input_audio_transcription": {
            "model": "fun-asr"
        },
        "turn_detection": {
            "type": "smart_turn",
            "threshold": 0.1,
            "silence_duration_ms": 900
        }
    }
}

input_audio_buffer.speech_started

説明：server_vad / smart_turn モードで音声アクティビティ検出 (VAD) が音声の開始を検出したときに送信されます。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に input_audio_buffer.speech_started です。

audio_start_msinteger

音声が開始されたときのミリ秒単位のタイムスタンプです。

item_idstring

この音声セグメントがコミットされたときに作成されるアイテムの ID です。

{
    "event_id": "event_xxx",
    "type": "input_audio_buffer.speech_started",
    "audio_start_ms": 1200,
    "item_id": "item_xxx"
}

input_audio_buffer.speech_stopped

説明：server_vad / smart_turn モードで VAD が音声の終了を検出したときに送信されます。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に input_audio_buffer.speech_stopped です。

audio_end_msinteger

音声が終了したときのミリ秒単位のタイムスタンプです。

item_idstring

作成されるユーザーメッセージアイテムの ID です。

reasonstring

smart_turn モードでのみ返されます。turn_invalid に設定されている場合、現在の発話が無効 (意味内容なし) と分類され、推論がトリガーされないことを示します。このフィールドは有効な発話の場合は存在しません。

{
    "event_id": "event_xxx",
    "type": "input_audio_buffer.speech_stopped",
    "audio_end_ms": 3400,
    "item_id": "item_xxx",
    "reason": "turn_invalid"
}

input_audio_buffer.committed

説明：オーディオバッファーが、プッシュツートークコミットまたは自動 VAD コミットのいずれかによって、ユーザーメッセージとしてコミットされました。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に input_audio_buffer.committed です。

previous_item_idstring

前の会話アイテムの ID です。

item_idstring

作成されたユーザーメッセージアイテムの ID です。

{
    "event_id": "event_xxx",
    "type": "input_audio_buffer.committed",
    "previous_item_id": "item_xxx",
    "item_id": "item_xxx"
}

input_audio_buffer.cleared

説明：オーディオバッファーがクリアされました (プッシュツートークモードのみ)。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に input_audio_buffer.cleared です。

{
    "event_id": "event_xxx",
    "type": "input_audio_buffer.cleared"
}

conversation.item.created

説明：新しい会話アイテムが作成されました。ユーザーの音声がコミットされたとき、クライアントが手動でアイテムを作成したとき、またはアシスタントの応答が開始されたときにトリガーされます。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に conversation.item.created です。

previous_item_idstring

前の会話アイテムの ID です。

itemobject

作成された会話アイテムです。

プロパティ

idstring

会話アイテムの一意の識別子です。

objectstring

常に realtime.item です。

typestring

アイテムタイプ：message (標準メッセージ) または function_call (関数呼び出し)。

statusstring

アイテムステータスです。例：in_progress または completed。

rolestring

メッセージロールです。例：user または assistant。message タイプのアイテムにのみ存在します。

contentarray

メッセージコンテンツのリストです。message タイプのアイテムにのみ存在します。

{
    "event_id": "event_xxx",
    "type": "conversation.item.created",
    "previous_item_id": "item_xxx",
    "item": {
        "id": "item_xxx",
        "object": "realtime.item",
        "type": "message",
        "status": "in_progress",
        "role": "assistant",
        "content": []
    }
}

conversation.item.deleted

説明：会話アイテムが削除されました。クライアントが conversation.item.delete イベントを送信した後の確認として返されます。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に conversation.item.deleted です。

item_idstring

削除された会話アイテムの ID です。

{
    "event_id": "event_xxx",
    "type": "conversation.item.deleted",
    "item_id": "item_xxx"
}

conversation.item.retrieved

説明：会話アイテムが正常に取得されました。クライアントが conversation.item.retrieve イベントを送信した後に返されます。オーディオタイプのコンテンツの場合、文字起こしテキストのみが含まれ、生の音声データは返されません。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に conversation.item.retrieved です。

itemobject

取得された会話アイテムです。

プロパティ

idstring

会話アイテムの一意の識別子です。

objectstring

常に realtime.item です。

typestring

アイテムタイプ：message (標準メッセージ) または function_call (関数呼び出し)。

rolestring

メッセージロールです。例：user または assistant。message タイプのアイテムにのみ存在します。

contentarray

メッセージコンテンツのリストです。オーディオタイプのコンテンツの場合、文字起こしテキストのみが含まれ、生の音声データは返されません。

{
    "event_id": "event_xxx",
    "type": "conversation.item.retrieved",
    "item": {
        "id": "item_xxx",
        "object": "realtime.item",
        "type": "message",
        "role": "user",
        "content": [
            {
                "type": "input_audio",
                "transcript": "Hello"
            }
        ]
    }
}

conversation.item.input_audio_transcription.delta

説明：音声認識中にストリーミングされる、逐次的な自動音声認識 (ASR) の文字起こし結果です。感情および言語検出情報が含まれます。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に conversation.item.input_audio_transcription.delta です。

item_idstring

関連する会話アイテムの ID です。

content_indexinteger

コンテンツパートのインデックスです。

textstring

確定した文字起こしテキストです。

stashstring

まだ確定していない未確定のテキストです。

{
    "event_id": "event_xxx",
    "type": "conversation.item.input_audio_transcription.delta",
    "item_id": "item_xxx",
    "content_index": 0,
    "text": "Hello",
    "stash": "world"
}

conversation.item.input_audio_transcription.completed

説明：最終的な ASR 文字起こし結果です。文字起こしされたテキストは、対応するアイテムの transcript フィールドに書き込まれます。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に conversation.item.input_audio_transcription.completed です。

item_idstring

関連する会話アイテムの ID です。

content_indexinteger

コンテンツパートのインデックスです。

transcriptstring

完全な文字起こしテキストです。

{
    "event_id": "event_xxx",
    "type": "conversation.item.input_audio_transcription.completed",
    "item_id": "item_xxx",
    "content_index": 0,
    "transcript": "Hello world"
}

conversation.item.input_audio_transcription.failed

説明：ASR 文字起こしが失敗しました。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に conversation.item.input_audio_transcription.failed です。

item_idstring

関連する会話アイテムの ID です。

content_indexinteger

コンテンツパートのインデックスです。

errorobject

エラーの詳細です。

プロパティ

typestring

エラータイプです。例：transcription_error。

codestring

エラーコードです。例：transcription_failed。

messagestring

エラーメッセージです。

{
    "event_id": "event_xxx",
    "type": "conversation.item.input_audio_transcription.failed",
    "item_id": "item_xxx",
    "content_index": 0,
    "error": {
        "type": "transcription_error",
        "code": "transcription_failed",
        "message": "ASR transcription failed"
    }
}

conversation.item.ambient_audio_transcription.delta

説明：smart_turn モードのみ。環境音の逐次的な文字起こし結果です。VAD が音声アクティビティを検出しても、意味解析によって発話が無効と分類された場合 (例えば、バックグラウンドノイズや「えーと」「あのー」などのフィラーワード)、ASR の結果は環境音イベントとしてクライアントに転送されます。このイベントはどの会話アイテムにもリンクされません。item_id は独立した一時的な ID です。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に conversation.item.ambient_audio_transcription.delta です。

item_idstring

どの会話アイテムにも関連付けられていない、独立した一時的な ID です。

content_indexinteger

コンテンツパートのインデックスです。

textstring

確定した文字起こしテキストです。

stashstring

まだ確定していない未確定のテキストです。

{
    "event_id": "event_xxx",
    "type": "conversation.item.ambient_audio_transcription.delta",
    "item_id": "item_xxx",
    "content_index": 0,
    "text": "Hmm",
    "stash": ""
}

conversation.item.ambient_audio_transcription.completed

説明：smart_turn モードのみ。環境音の最終的な文字起こし結果です。対応する差分イベントとペアになり、環境音の文字起こしセグメントの終了を示します。この結果は会話コンテキストには書き込まれません。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に conversation.item.ambient_audio_transcription.completed です。

item_idstring

会話コンテキストに関連付けられていない、独立した一時的な ID です。

content_indexinteger

コンテンツパートのインデックスです。

transcriptstring

完全な文字起こしテキストです。

{
    "event_id": "event_xxx",
    "type": "conversation.item.ambient_audio_transcription.completed",
    "item_id": "item_xxx",
    "content_index": 0,
    "transcript": "Hmm",
}

response.created

説明：モデル推論ラウンドが開始されたときに送信されます。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に response.created です。

responseobject

応答オブジェクトです。

プロパティ

idstring

応答の一意の識別子です。

objectstring

常に realtime.response です。

statusstring

応答ステータスです。例：in_progress。

modalitiesarray

モデルの出力モダリティです。

voicestring

音声生成に使用される音声です。システム音声名またはクローン音声の voice_id のいずれかです。

outputarray

応答の出力アイテムです。最初は空の配列です。

{
    "event_id": "event_xxx",
    "type": "response.created",
    "response": {
        "id": "resp_xxx",
        "object": "realtime.response",
        "status": "in_progress",
        "modalities": ["text", "audio"],
        "voice": "longanqian",
        "output": []
    }
}

response.output_item.added

説明：応答に新しい出力アイテムが追加されました。出力アイテムタイプは、標準の返信の場合は message、Function Calling の場合は function_call です。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に response.output_item.added です。

response_idstring

関連する応答 ID です。

output_indexinteger

応答内の出力アイテムのインデックスです。

itemobject

追加された出力アイテムです。

プロパティ

idstring

出力アイテムの一意の識別子です。

objectstring

常に realtime.item です。

typestring

出力アイテムタイプ：message (標準メッセージ) または function_call (関数呼び出し)。

statusstring

出力アイテムのステータスです。例：in_progress。

rolestring

メッセージロールです。常に assistant です。message タイプのアイテムにのみ存在します。

contentarray

メッセージコンテンツのリストです。message タイプのアイテムにのみ存在します。

{
    "event_id": "event_xxx",
    "type": "response.output_item.added",
    "response_id": "resp_xxx",
    "output_index": 0,
    "item": {
        "id": "item_xxx",
        "object": "realtime.item",
        "type": "message",
        "status": "in_progress",
        "role": "assistant",
        "content": []
    }
}

Function Calling の出力アイテムの例：

出力アイテムが関数呼び出しの場合、response.output_item.added / conversation.item.created / response.output_item.done イベントには、次の item 構造が含まれます。

{
          "id": "item_xxx",
          "object": "realtime.item",
          "type": "function_call",
          "status": "completed",
          "call_id": "call_xxx",
          "name": "get_weather",
          "arguments": "{\"city\":\"Hangzhou\"}"
      }

注記1 つの応答には複数の function_call アイテムを含めることができ、function_call 出力と並行して標準の message 出力も含まれる場合があります。Function Calling の部分は、音声再生のために TTS に送信されません。

response.content_part.added

説明：出力アイテムに新しいコンテンツパートが追加されました。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に response.content_part.added です。

response_idstring

関連する応答 ID です。

item_idstring

関連する出力アイテム ID です。

output_indexinteger

応答内の出力アイテムのインデックスです。

content_indexinteger

出力アイテム内のコンテンツパートのインデックスです。

partobject

追加されたコンテンツパートです。

プロパティ

typestring

コンテンツタイプです。例：audio または text。

textstring

テキストコンテンツです。最初は空の文字列です。

{
    "event_id": "event_xxx",
    "type": "response.content_part.added",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "content_index": 0,
    "part": {
        "type": "audio",
        "text": ""
    }
}

response.text.delta

説明：テキストのみモードでのテキスト差分イベントです。テキストフラグメントを逐次的にストリーミングします。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に response.text.delta です。

response_idstring

関連する応答 ID です。

item_idstring

関連する出力アイテム ID です。

output_indexinteger

応答内の出力アイテムのインデックスです。

content_indexinteger

出力アイテム内のコンテンツパートのインデックスです。

deltastring

逐次的なテキストフラグメントです。

{
    "event_id": "event_xxx",
    "type": "response.text.delta",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "content_index": 0,
    "delta": "Hello"
}

response.text.done

説明：テキストのみモードでのテキスト出力完了イベントです。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に response.text.done です。

response_idstring

関連する応答 ID です。

item_idstring

関連する出力アイテム ID です。

output_indexinteger

応答内の出力アイテムのインデックスです。

content_indexinteger

出力アイテム内のコンテンツパートのインデックスです。

textstring

完全なテキスト出力です。

{
    "event_id": "event_xxx",
    "type": "response.text.done",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "content_index": 0,
    "text": "Hello, how can I help you?"
}

response.audio_transcript.delta

説明：オーディオモードでの文字起こし差分イベントです。文字起こしフラグメントを逐次的にストリーミングします。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に response.audio_transcript.delta です。

response_idstring

関連する応答 ID です。

item_idstring

関連する出力アイテム ID です。

output_indexinteger

応答内の出力アイテムのインデックスです。

content_indexinteger

出力アイテム内のコンテンツパートのインデックスです。

deltastring

逐次的な文字起こしフラグメントです。

{
    "event_id": "event_xxx",
    "type": "response.audio_transcript.delta",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "content_index": 0,
    "delta": "Hello"
}

response.audio_transcript.done

説明：オーディオモードでの文字起こし出力完了イベントです。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に response.audio_transcript.done です。

response_idstring

関連する応答 ID です。

item_idstring

関連する出力アイテム ID です。

output_indexinteger

応答内の出力アイテムのインデックスです。

content_indexinteger

出力アイテム内のコンテンツパートのインデックスです。

transcriptstring

完全な文字起こしテキストです。

{
    "event_id": "event_xxx",
    "type": "response.audio_transcript.done",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "content_index": 0,
    "transcript": "Hello, how can I help you?"
}

response.audio.delta

説明：オーディオモードでのオーディオデータ差分イベントです。delta フィールドには、Base64 でエンコードされた PCM オーディオデータが含まれます。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に response.audio.delta です。

response_idstring

関連する応答 ID です。

item_idstring

関連する出力アイテム ID です。

output_indexinteger

応答内の出力アイテムのインデックスです。

content_indexinteger

出力アイテム内のコンテンツパートのインデックスです。

deltastring

Base64 でエンコードされた PCM オーディオデータのフラグメントです。

{
    "event_id": "event_xxx",
    "type": "response.audio.delta",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "content_index": 0,
    "delta": "<base64-encoded audio data>"
}

response.audio.done

説明：オーディオモードでのオーディオ出力完了イベントです。オーディオデータは含まれません。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に response.audio.done です。

response_idstring

関連する応答 ID です。

item_idstring

関連する出力アイテム ID です。

output_indexinteger

応答内の出力アイテムのインデックスです。

content_indexinteger

出力アイテム内のコンテンツパートのインデックスです。

{
    "event_id": "event_xxx",
    "type": "response.audio.done",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "content_index": 0
}

response.content_part.done

説明：出力アイテム内のコンテンツパートが完了しました。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に response.content_part.done です。

response_idstring

関連する応答 ID です。

item_idstring

関連する出力アイテム ID です。

output_indexinteger

応答内の出力アイテムのインデックスです。

content_indexinteger

出力アイテム内のコンテンツパートのインデックスです。

partobject

完了したコンテンツパートです。

プロパティ

typestring

コンテンツタイプです。例：audio または text。

textstring

テキストコンテンツまたは音声の文字起こしテキストです。

{
    "event_id": "event_xxx",
    "type": "response.content_part.done",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "content_index": 0,
    "part": {
        "type": "audio",
        "text": "Hello, how can I help you?"
    }
}

response.output_item.done

説明：応答内の出力アイテムが完了しました。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に response.output_item.done です。

response_idstring

関連する応答 ID です。

output_indexinteger

応答内の出力アイテムのインデックスです。

itemobject

完全な詳細情報を含む、完了した出力アイテムです。

プロパティ

idstring

出力アイテムの一意の識別子です。

objectstring

常に realtime.item です。

typestring

出力アイテムタイプ：message (標準メッセージ) または function_call (関数呼び出し)。

statusstring

出力アイテムのステータスです。例：completed。

rolestring

メッセージロールです。常に assistant です。message タイプのアイテムにのみ存在します。

contentarray

メッセージコンテンツのリストです。message タイプのアイテムにのみ存在します。

{
    "event_id": "event_xxx",
    "type": "response.output_item.done",
    "response_id": "resp_xxx",
    "output_index": 0,
    "item": {
        "id": "item_xxx",
        "object": "realtime.item",
        "type": "message",
        "status": "completed",
        "role": "assistant",
        "content": [
            {
                "type": "text",
                "text": "Hello, how can I help you?"
            }
        ]
    }
}

response.function_call_arguments.delta

説明：Function Calling の引数差分です。モデルがツールの呼び出しを決定すると、サーバーはまず response.output_item.added (item.type=function_call) と conversation.item.created を送信し、その後このイベントを通じて引数フラグメントをストリーミングします。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に response.function_call_arguments.delta です。

response_idstring

関連する応答 ID です。

item_idstring

関連する出力アイテム ID です。

output_indexinteger

応答内の出力アイテムのインデックスです。

call_idstring

関数呼び出しの一意の識別子です。

deltastring

関数呼び出しの引数の逐次的なフラグメント (JSON 文字列フラグメント) です。

{
    "event_id": "event_xxx",
    "type": "response.function_call_arguments.delta",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "call_id": "call_xxx",
    "delta": "{\"city"
}

response.function_call_arguments.done

説明：Function Calling の引数出力が完了したときに送信されます。このイベントを受信した後、クライアントは次の操作を行う必要があります：対応するツールを実行し、function_call_output アイテムを使用して conversation.item.create 経由で結果を会話に書き込み、その後 response.create を送信してフォローアップ推論ラウンドをトリガーします。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に response.function_call_arguments.done です。

response_idstring

関連する応答 ID です。

item_idstring

関連する出力アイテム ID です。

output_indexinteger

応答内の出力アイテムのインデックスです。

call_idstring

関数呼び出しの一意の識別子です。

namestring

呼び出された関数の名前です。

argumentsstring

完全な関数呼び出しの引数 (JSON 文字列) です。

{
    "event_id": "event_xxx",
    "type": "response.function_call_arguments.done",
    "response_id": "resp_xxx",
    "item_id": "item_xxx",
    "output_index": 0,
    "call_id": "call_xxx",
    "name": "get_weather",
    "arguments": "{\"city\":\"Hangzhou\"}"
}

response.done

説明：推論ラウンドが完了しました。status は完了の理由を示します。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に response.done です。

responseobject

完全な応答オブジェクトです。

プロパティ

idstring

応答の一意の識別子です。

objectstring

常に realtime.response です。

statusstring

応答の完了ステータスです。有効な値：

completed：正常に完了しました。
cancelled：中断およびキャンセルされました。status_details.reason は turn_detected (VAD 割り込み) または client_cancelled (クライアント起因のキャンセル) です。
failed：LLM または TTS エラーです。

status_detailsobject

ステータスの詳細です。ステータスが cancelled または failed の場合にのみ存在します。

プロパティ

typestring

ステータスタイプです。例：cancelled。

reasonstring

キャンセル理由：turn_detected (VAD 割り込み) または client_cancelled (クライアント起因のキャンセル)。

modalitiesarray

モデルの出力モダリティです。

voicestring

音声生成に使用される音声です。システム音声名またはクローン音声の voice_id のいずれかです。

outputarray

応答内の出力アイテムのリストで、完全なアイテムオブジェクトが含まれます。

正常に完了

{
    "event_id": "event_xxx",
    "type": "response.done",
    "response": {
        "id": "resp_xxx",
        "object": "realtime.response",
        "status": "completed",
        "modalities": ["text", "audio"],
        "voice": "longanqian",
        "output": [
            {
                "id": "item_xxx",
                "object": "realtime.item",
                "type": "message",
                "status": "completed",
                "role": "assistant",
                "content": [
                    {
                        "type": "audio",
                        "transcript": "Hello, how can I help you?"
                    }
                ]
            }
        ]
    }
}

中断およびキャンセル

{
    "event_id": "event_xxx",
    "type": "response.done",
    "response": {
        "id": "resp_xxx",
        "status": "cancelled",
        "status_details": {
            "type": "cancelled",
            "reason": "turn_detected"
        }
    }
}

voiceprint_audio_list.in_progress

説明：ボイスプリント登録プロセスが非同期で進行中です。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に voiceprint_audio_list.in_progress です。

item_idstring

ボイスプリント登録タスクの一意の識別子です。

{
    "event_id": "event_PaEcN7CCrlhE8q4MM2yND",
    "type": "voiceprint_audio_list.in_progress",
    "item_id": "vp_Y12cA986j1KZ9O9YmAXOA"
}

voiceprint_audio_list.completed

説明：ボイスプリント登録プロセスが正常に完了しました。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に voiceprint_audio_list.completed です。

item_idstring

ボイスプリント登録タスクの一意の識別子です。

{
    "event_id": "event_PaEcN7CCrlhE8q4MM2yND",
    "type": "voiceprint_audio_list.completed",
    "item_id": "vp_Y12cA986j1KZ9O9YmAXOA"
}

voiceprint_audio_list.failed

説明：ボイスプリント登録が失敗しました。通常の会話呼び出しはブロックされません。

event_idstring

このイベントの一意の識別子です。

typestring

イベントタイプです。常に voiceprint_audio_list.failed です。

item_idstring

ボイスプリント登録タスクの一意の識別子です。

reasonstring

失敗理由の説明です。

{
    "event_id": "event_PaEcN7CCrlhE8q4MM2yND",
    "type": "voiceprint_audio_list.failed",
    "item_id": "vp_Y12cA986j1KZ9O9YmAXOA",
    "reason": ""
}