Grok WorldGrok Build CLI field station

回顧期號 / VOICE

把 voice 設計成 live session

Transport、ephemeral access、turn detection、interruption、tool、reconnect 與 playback state 共同定義體驗。

01 / DECIDE

架構決策

適合 low-latency speech interaction,避免 file-based audio 的斷裂感。

Transport、ephemeral access、turn detection、interruption、tool、reconnect 與 playback state 共同定義體驗。 先把 input、output、state、tool 與 side effect 畫成一條可觀察路徑,再決定 把 voice 設計成 live session 的 owner。

02 / OPERATE

三步野戰程序

  1. 01

    鎖定合約

    寫下 caller、資料分類、成功條件、timeout、取消與 ownership。適合 low-latency speech interaction,避免 file-based audio 的斷裂感。

  2. 02

    執行有界路徑

    只建立一條 end-to-end path,保留 correlation、typed state 與 reversible failure。Transport、ephemeral access、turn detection、interruption、tool、reconnect 與 playback state 共同定義體驗。

  3. 03

    驗證訊號

    把驗收變成可重跑的 fixture、contract test 或 browser test。測試涵蓋 jitter、double-talk、reconnect、late tool、device change 與 clean shutdown。

03 / BOUND

Operation 邊界

不可把長效 key 暴露給 client;interruption 必須取消 stale audio/tool work。

04 / PROVE

驗收證據

測試涵蓋 jitter、double-talk、reconnect、late tool、device change 與 clean shutdown。

SOURCE / HTTP

可重現來源探針

curl -fsSI 'https://docs.x.ai/developers/model-capabilities/audio/voice' | sed -n '1,5p'