实时会话
GET /v1/realtime — WebSocket 实时语音对话端点，兼容 OpenAI Realtime API
GET
/v1/realtime建立 WebSocket 连接进行低延迟实时语音/文本对话，兼容 OpenAI Realtime API。握手成功返回 101 Switching Protocols，之后双方通过 JSON 事件通信。
连接地址：wss://api.jimu.chat/v1/realtime?model=<YOUR_REALTIME_MODEL_ID>
实时模型与普通对话模型是两套配置。
<YOUR_REALTIME_MODEL_ID> 须替换为平台已为你账号配置的实时模型 ID——可用模型以 GET /v2/models 返回为准；填入未开通的模型 ID 会在握手阶段返回 model_not_found 错误。鉴权
服务端客户端（可自定义请求头）直接使用：
Authorization: Bearer <令牌>
浏览器 WebSocket API 无法自定义请求头，改用 Sec-WebSocket-Protocol 子协议携带令牌：
// <YOUR_REALTIME_MODEL_ID>：平台为账号配置实时模型后获得的 ID
const ws = new WebSocket("wss://api.jimu.chat/v1/realtime?model=<YOUR_REALTIME_MODEL_ID>", [
"realtime",
"openai-insecure-api-key.sk-...", // 平台从该子协议提取令牌
"openai-beta.realtime-v1",
]);
子协议中的令牌对浏览器用户完全可见（任何打开开发者工具的人都能读到）。不要在浏览器端内嵌共享或长期令牌。 生产环境应由可信后端代理 WebSocket 连接；确需直连时，至少使用独立创建、限制额度与模型范围、可随时吊销的专用令牌。
查询参数
modelstring必填实时模型 ID（须为账号已配置的实时模型）。缺省时平台返回 400「未指定模型名称」
客户端事件（发送）
| type | 说明 |
|---|---|
session.update | 更新会话配置（见下方 session 字段） |
conversation.item.create | 向会话追加一条消息项 |
response.create | 触发模型生成响应 |
input_audio_buffer.append | 追加音频输入（base64 编码音频块） |
session.update 的 session 对象常用字段：modalities（["text","audio"]）、instructions、voice、input_audio_format / output_audio_format（如 pcm16）、input_audio_transcription.model、turn_detection、tools、tool_choice、temperature。
服务端事件（接收）
| type | 说明 |
|---|---|
session.created | 会话建立，携带初始 session 配置 |
session.updated | 会话配置已更新 |
conversation.item.created | 消息项已创建 |
response.audio.delta | 增量音频输出（base64） |
response.audio_transcript.delta | 增量音频转写文本 |
response.function_call_arguments.delta / .done | 工具调用参数增量 / 完成 |
response.done | 响应完成，携带 usage（total_tokens / input_tokens / output_tokens 及 details） |
error | 错误事件，error 字段为标准错误对象 |
平台对事件流做双向透传，实际出现的事件类型不限于上表（随上游能力变化）。客户端应忽略未识别的事件类型，不要当作错误处理。
连接示例（Node.js）
import WebSocket from "ws";
const model = process.env.REALTIME_MODEL_ID; // 账号已配置的实时模型 ID
const ws = new WebSocket(
`wss://api.jimu.chat/v1/realtime?model=${model}`,
{ headers: { Authorization: `Bearer ${process.env.JIMU_API_KEY}` } }
);
ws.on("open", () => {
ws.send(JSON.stringify({
type: "session.update",
session: { modalities: ["text", "audio"], voice: "alloy", instructions: "你是语音助手" },
}));
ws.send(JSON.stringify({
type: "conversation.item.create",
item: { type: "message", role: "user", content: [{ type: "input_text", text: "你好" }] },
}));
ws.send(JSON.stringify({ type: "response.create" }));
});
ws.on("message", (data) => {
const event = JSON.parse(data);
if (event.type === "response.done") console.log(event.response.usage);
});
实时会话按 token 计量（音频 token 与文本 token 分别计入
input_token_details / output_token_details），长连接期间持续计费。可用实时模型以 GET /v2/models 返回为准。