フィールドガイド / 10 分
Realtime をライブシステムとして設計する
transport、turn detection、interruption、tools が体験を決める。
Realtime session は低遅延 live interaction 向けです。本番 voice は audio streaming だけでなく、client に合う transport、session state、interruption、tool latency budget、partial turn recovery が必要です。
作業原則
Outcome が architecture を選ぶ
interactive low-latency work は live session、file/bounded generation は request-based audio を使います。
Interruption は通常状態
ユーザーは話を重ね、network は jitter し、tool は遅れる。partial audio と cancellation を core state にします。
Credential は server-side
client には narrow session credential または server-mediated path を使い、long-lived platform key を配布しません。
フィールド手順
- 01
conversation job を定義
respond、translate、transcribe のどれかを明示し、異なる lifecycle を混ぜません。
- 02
transport を選択
direct media client は browser-oriented、telephony/media pipeline は server-oriented streaming を選びます。
- 03
turn states を設計
listening、committing、thinking、speaking、interrupted、tool-waiting、reconnecting、ended を追跡します。
- 04
tool latency を予算化
会話 pause 内に終わらない tool へ deadline、ack cue、fallback language を用意します。
- 05
現実条件でテスト
noise、accent、slow network、device change、double-talk、reconnect、long session を評価します。
PASS / FAIL
受入チェック
- Long-lived API key が client にない。
- UI が listening/speaking state を示す。
- interruption が stale output/tool work を安全に cancel。
- log が transport、turn、tool、outcome を結ぶ。
WATCH / REJECT
失敗パターン
- demo microphone loop を production architecture とする。
- echo、reconnect、overlap speech を無視する。
- late tool result が新しい turn を変更する。