МИР НЕ СТОИТ НА МЕСТЕ.RSS
BIG CHANGE.

Версия Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# Создайте локальный голосовой разговор в браузере с OpenAI Realtime

> Создайте локальный разговор через микрофон браузера с OpenAI Realtime и WebRTC. Полный код сервера и страницы хранит ключ API на сервере и показывает проверку звука, остановку микрофона и обработку сбоев.

By BIG CHANGE Editorial

Published: 2026-10-19T19:20:34.863Z
Updated: 2026-10-19T19:20:34.863Z
Canonical: https://bigchange.ai/blog/openai-realtime-browser-voice-webrtc-guide

![Conceptual charcoal illustration of a desktop microphone beside a blank browser on a monitor and a small speaker.](https://bigchange.ai/api/media/file/realtime-browser-voice-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE; no actual OpenAI interface, browser test or heard reply is depicted.

Realtime API OpenAI позволяет браузеру передавать звук микрофона и воспроизводить голосовой ответ по WebRTC. Это руководство создает один локальный разговор с `gpt-realtime-2.1`. Ключ API остается на Node-сервере вашего компьютера. Нужен проект OpenAI API с доступом к модели и оплатой; подписка ChatGPT не оплачивает API. BIG CHANGE проверил текущую документацию и пример кода, но не открывал платную сессию и не слышал ответа.

## Главное изменение

- **Что изменилось:** OpenAI документирует браузерный WebRTC для разговора Realtime: локальный сервер хранит ключ проекта и обменивает предложение соединения браузера на ответ.
- **Почему это важно:** Разработчик может проверить весь путь от микрофона до голосового ответа на локальной странице до создания большого продукта. Владелец проекта контролирует ключ и платит за API.
- **На что обратить внимание:** Работающий локальный обмен не доказывает готовность к эксплуатации. Общей версии нужны аутентификация вызывающего и контроль расходов; отмененный или просроченный запрос уже мог дойти до OpenAI.

## Перед началом

Установите Node.js 22.6 или новее и используйте современный браузер с рабочими микрофоном и динамиком. Доступ к микрофону требует безопасного контекста; `http://localhost` подходит для локального примера. Подготовьте ключ проекта OpenAI API с доступом к `gpt-realtime-2.1` и включенной оплатой. Сначала проверьте ограничения частоты и расходов. Страница модели указывает, что уровень Free не поддерживается. Храните ключ в окружении серверного процесса через обычный менеджер секретов или локальную настройку shell. Не помещайте его в `index.html`, не коммитьте в файле `.env` и не вставляйте в расшифровку разговора. [Руководство OpenAI по WebRTC](https://developers.openai.com/api/docs/guides/voice-webrtc) описывает обмен через доверенный сервер; [страница модели](https://developers.openai.com/api/docs/models/gpt-realtime-2.1) содержит текущие цены и доступ.

Здесь используется унифицированный маршрут `/v1/realtime/calls` Realtime API. Руководство WebRTC также описывает GPT-Live через `/v1/live/sessions`, но с другим протоколом сессии. Используйте маршрут и данные ниже вместе. Пример привязан к вашему компьютеру; локальные проверки Host и Origin не аутентифицируют пользователей общего сервиса.

1. Создайте пустой каталог для примера и установите в нем Express:

```bash
npm init -y
npm install express
```

Установка создает `package.json` и добавляет зависимость веб-сервера. Сохраните следующие два файла в одном каталоге. Код использует встроенные в Node `fetch`, `FormData` и `AbortSignal.timeout`; проверенная конфигурация требует Node.js 22.6 или новее.

2. Сохраните следующее как `server.mjs`. Сервер получает SDP-предложение браузера (описание предлагаемого WebRTC-соединения) и отправляет его OpenAI с настройками Realtime. Обычный ключ API читается только здесь.

```javascript
import express from "express";

const app = express();
// This demo accepts only the local page, including protection against DNS rebinding.
app.use((req, res, next) => {
  const hosts = ["localhost:3000", "127.0.0.1:3000"];
  if (!hosts.includes(req.get("host"))) return res.status(403).send("Local host required");
  if (req.method === "POST" && req.get("origin") !== `http://${req.get("host")}`) {
    return res.status(403).send("Same-origin local page required");
  }
  next();
});
app.use(express.text({ type: "application/sdp", limit: "64kb" }));

app.get("/", (_req, res) => res.sendFile("index.html", { root: process.cwd() }));

app.post("/session", async (req, res) => {
  if (!process.env.OPENAI_API_KEY) return res.status(500).send("Server API key missing");
  if (typeof req.body !== "string" || !req.body.startsWith("v=")) {
    return res.status(400).send("Expected an SDP offer");
  }

  const form = new FormData();
  form.set("sdp", req.body);
  form.set("session", JSON.stringify({
    type: "realtime",
    model: "gpt-realtime-2.1",
    output_modalities: ["audio"],
    audio: { output: { voice: "marin" } },
    instructions: "Be a concise, helpful voice assistant. Do not claim access to external tools."
  }));

  try {
    const upstream = await fetch("https://api.openai.com/v1/realtime/calls", {
      method: "POST",
      headers: { Authorization: `Bearer ${process.env.OPENAI_API_KEY}` },
      body: form,
      signal: AbortSignal.timeout(25000)
    });
    const answer = await upstream.text();
    if (!upstream.ok) {
      console.error("Realtime session rejected", upstream.status);
      return res.status(502).send(`OpenAI session request failed (${upstream.status})`);
    }
    res.type("application/sdp").send(answer);
  } catch (error) {
    console.error("Realtime session network failure", error.name);
    res.status(502).send("Could not reach the Realtime API");
  }
});

app.listen(3000, "127.0.0.1", () => console.log("Open http://localhost:3000"));
```

Сервер привязывается к `127.0.0.1:3000`, принимает только host и POST origin локальной страницы и возвращает SDP-ответ. Ограничение внешнего запроса в 25 секунд выбрано для примера. Тайм-аут или отключение браузера не доказывает, что OpenAI не принял запрос; перед повторением неопределенного запуска проверьте использование.

3. Сохраните следующее как `index.html`. Страница запрашивает микрофон после **Start voice**, отправляет предложение локальному серверу и воспроизводит поступающий звук. **Stop** закрывает соединение и останавливает микрофонные дорожки даже во время настройки. Таймер в 30 секунд также выбран для примера, а не гарантирован API.

```html
<!doctype html>
<html lang="en">
<meta charset="utf-8">
<title>Local Realtime voice check</title>
<button id="start">Start voice</button>
<button id="stop" disabled>Stop</button>
<p id="status" role="status">Idle</p>
<audio id="reply" autoplay controls></audio>
<script type="module">
  const start = document.querySelector("#start");
  const stop = document.querySelector("#stop");
  const status = document.querySelector("#status");
  const reply = document.querySelector("#reply");
  let current;

  function closeSession(session = current, message = "Stopped") {
    if (!session) return;
    session.closed = true;
    clearTimeout(session.timer);
    session.abort.abort();
    session.mic?.getTracks().forEach(track => track.stop());
    if (session.pc) session.pc.onconnectionstatechange = null;
    session.dc?.close();
    session.pc?.close();
    if (current === session) {
      current = null;
      reply.srcObject = null;
      start.disabled = false;
      stop.disabled = true;
      status.textContent = message;
    }
  }

  start.onclick = async () => {
    const session = { abort: new AbortController(), closed: false };
    current = session;
    start.disabled = true;
    stop.disabled = false;
    status.textContent = "Requesting microphone";
    session.timer = setTimeout(() => closeSession(session, "Setup timed out; microphone stopped"), 30000);
    try {
      const mic = await navigator.mediaDevices.getUserMedia({ audio: true });
      if (session.closed) { mic.getTracks().forEach(track => track.stop()); return; }
      session.mic = mic;
      const pc = session.pc = new RTCPeerConnection();
      pc.ontrack = event => { if (!session.closed) reply.srcObject = event.streams[0]; };
      pc.onconnectionstatechange = () => {
        if (session.closed) return;
        status.textContent = `Connection: ${pc.connectionState}`;
        if (pc.connectionState === "connected") clearTimeout(session.timer);
        if (["failed", "closed", "disconnected"].includes(pc.connectionState)) {
          closeSession(session, "Connection ended; microphone stopped. Start a new session.");
        }
      };
      pc.addTrack(mic.getAudioTracks()[0], mic);
      const dc = session.dc = pc.createDataChannel("oai-events");
      dc.onmessage = message => {
        if (session.closed) return;
        try {
          const event = JSON.parse(message.data);
          if (event.type === "session.created") status.textContent = "Session ready: speak when connected";
          if (event.type === "response.done") {
            status.textContent = `Response status: ${event.response?.status || "unknown"}; verify audible playback`;
          }
          if (event.type === "error") closeSession(session, `Realtime error: ${event.error?.message || "unknown"}; stopped`);
        } catch { closeSession(session, "Invalid event; stopped"); }
      };
      dc.onclose = () => { if (!session.closed) closeSession(session, "Event channel closed; stopped"); };
      dc.onerror = () => closeSession(session, "Event channel failed; stopped");
      const offer = await pc.createOffer();
      await pc.setLocalDescription(offer);
      if (session.closed) return;
      // The official WebRTC example submits the generated offer directly.
      const response = await fetch("/session", {
        method: "POST",
        headers: { "Content-Type": "application/sdp" },
        body: offer.sdp,
        signal: session.abort.signal
      });
      if (!response.ok) throw new Error(await response.text());
      const answer = await response.text();
      if (session.closed) return;
      await pc.setRemoteDescription({ type: "answer", sdp: answer });
      if (!session.closed && pc.connectionState !== "connected") status.textContent = "Signaling complete; waiting for connection";
    } catch (error) {
      if (!session.closed) closeSession(session, `Start failed: ${error.message}`);
    }
  };
  stop.onclick = () => closeSession();
  window.addEventListener("pagehide", () => closeSession());
</script>
</html>
```

Браузер закрывает сессию и при сбое соединения с другой стороной, канала событий или уходе со страницы. Разрешение микрофона может прийти после остановки или тайм-аута; поздняя дорожка тоже останавливается. Строка состояния показывает `response.done` с сообщенным статусом. Одно событие не доказывает слышимость ответа или успех отмененного либо неудачного ответа.

4. Запустите сервер из каталога обоих файлов, заранее задав `OPENAI_API_KEY` в окружении этого процесса:

```bash
node server.mjs
```

Откройте `http://localhost:3000`. Должны отображаться **Start voice**, **Stop**, состояние **Idle** и аудиоплеер. Нажмите **Start voice**, разрешите микрофон и задайте короткий безобидный вопрос. Согласно [руководству по разговорам Realtime](https://developers.openai.com/api/docs/guides/realtime-conversations), стандартное определение голосовой активности может превращать паузу после речи в ответ. Для проверки своего запуска убедитесь в активном микрофоне, состоянии соединения `connected`, появлении события `session.created`, слышимой речи и сообщении о завершенном ответе в `response.done`. Нажмите **Stop** и убедитесь, что индикатор микрофона погас. Эти проверки выполняете вы; BIG CHANGE такую платную сессию не запускал.

## Если проверка не прошла

Если микрофон запрещен или устройства нет, проверьте права браузера и устройство и используйте локальный `localhost` URL либо HTTPS. При ошибке `/session` проверьте серверный HTTP-статус, наличие ключа, доступ к модели, оплату, ограничения и endpoint. Сервер намеренно не печатает ключ и тело ответа OpenAI. 502 также означает сетевой сбой или срок в 25 секунд и не сообщает, принят ли неопределенный внешний запрос.

Если сигнализация удалась, а соединение нет, проверьте состояние страницы, сетевые ограничения и SDP-ответ. При активном соединении без звука проверьте микрофон и выбранный выход. Автовоспроизведение может блокироваться: нажмите **Play** в плеере, затем при необходимости остановите и откройте новую сессию. При любом сбое используйте **Stop** и проверьте выключение индикатора. Перед повторными запусками с неясным результатом запроса проверьте использование проекта.

## Стоимость, приватность и ограничения

OpenAI указывает для `gpt-realtime-2.1` некешируемого текстового ввода/вывода **$4/$24 за миллион токенов** и аудиоввода/вывода **$32/$64 за миллион токенов**, проверено 19 октября 2026 года. Оплата зависит от токенов, включая поздние реплики с прежним контекстом. Перед использованием проверьте [цены и ограничения модели](https://developers.openai.com/api/docs/models/gpt-realtime-2.1) и свой проект; по длительности одной сессии нельзя оценить счет. [Руководство по разговорам Realtime](https://developers.openai.com/api/docs/guides/realtime-conversations) устанавливает максимум 60 минут.

Во время сессии звук микрофона идет OpenAI. Используйте речь, которую вправе передавать, избегайте частного и чужого аудио. У страницы нет входа или бюджета на пользователя. Общему сервису нужны аутентифицированный доступ `/session` с ограничением частоты и серверный идентификатор безопасности; локальных Host и Origin недостаточно. Пример не вызывает внешние инструменты и не звонит по телефону. Задержка, надежность, качество речи, экономия и результаты промышленного развертывания не измерялись.

## Источники и дополнительные материалы

- [Руководство OpenAI по WebRTC](https://developers.openai.com/api/docs/guides/voice-webrtc): унифицированный обмен Realtime, звук браузера и отдельный протокол GPT-Live.
- [Руководство OpenAI по разговорам Realtime](https://developers.openai.com/api/docs/guides/realtime-conversations): события, реплики, статус ответа и ограничение длительности.
- [OpenAI `gpt-realtime-2.1`: страница модели](https://developers.openai.com/api/docs/models/gpt-realtime-2.1): доступ, цены токенов и ограничения частоты. Перепроверьте цены и доступ при запуске.

## Sources

- [Руководство OpenAI по WebRTC](https://developers.openai.com/api/docs/guides/voice-webrtc) — Унифицированный интерфейс Realtime calls, доверенный ключ, SDP, звук браузера и отдельный протокол GPT-Live.
- [Разговоры OpenAI Realtime](https://developers.openai.com/api/docs/guides/realtime-conversations) — События, VAD, статус ответа и 60 минут длительности.
- [Модель OpenAI gpt-realtime-2.1](https://developers.openai.com/api/docs/models/gpt-realtime-2.1) — Цены токенов и доступ для модели.
- [Оптимизация расходов на голос OpenAI](https://developers.openai.com/api/docs/guides/voice-latency-cost) — Контекст и использование по ответам.
- [Оплата OpenAI API и ChatGPT](https://help.openai.com/en/articles/9039756-managing-billing-for-chatgpt-and-the-api-platform) — Раздельная оплата.