OpenAI Realtime API 호환성

엔드포인트와 세션 구성을 변경해 기존 OpenAI Realtime 클라이언트를 ElevenLabs Realtime에 연결하세요.

ElevenLabs Realtime은 OpenAI Realtime API와 동일한 와이어 프로토콜을 사용합니다. 즉, 동일한 WebSocket 전송 방식에서 동일한 클라이언트 및 서버 이벤트를 사용합니다. 이미 OpenAI Realtime SDK로 구축한 앱이 있다면 SDK를 바꾸지 않고 api.openai.com 대신 ElevenLabs Realtime을 사용하도록 설정할 수 있습니다.

이 가이드에서는 작은 서버 측 단계에서 단기 자격 증명을 발급하고 브라우저가 ElevenLabs Realtime에 직접 연결하는 브라우저 기반 흐름을 다룹니다.

사용 가능한 모델

이름	최적화 대상
Eleven Realtime v1 mini	가격 및 속도
Eleven Realtime v1 max	품질 및 복잡한 작업

작동 방식

백엔드에서 특정 세션 구성으로 범위가 지정된 단기 클라이언트 시크릿을 ElevenLabs에 요청합니다.
프런트엔드에서 OpenAI API 키 대신 OpenAI Realtime SDK에 해당 클라이언트 시크릿을 전달합니다.
SDK가 WebSocket을 통해 ElevenLabs Realtime에 연결하면 OpenAI Realtime API와 동일한 클라이언트 및 서버 이벤트를 사용해 대화가 진행됩니다.

클라이언트 시크릿 발급

ElevenLabs API 키가 클라이언트에 노출되지 않도록 브라우저가 아닌 백엔드에서 클라이언트 시크릿을 요청하세요.

여기 대시보드에서 API 키를 생성하세요. 이 키는 API에 안전하게 액세스하는 데 사용됩니다.

키를 관리형 시크릿으로 저장하고, 선호에 따라 .env 파일을 통한 환경 변수 또는 앱 구성에서 직접 SDK에 전달하세요.

.env

ELEVENLABS_API_KEY=<your_api_key_here>

import os
from dotenv import load_dotenv
from elevenlabs import (
    CreateClientSecretRequest,
    ExpiresAfter,
    OpenAiAudioConfigInput,
    OpenAiAudioInputConfigInput,
    OpenAiAudioInputFormat,
    OpenAiAudioOutputConfigInput,
    OpenAiAudioOutputFormat,
    OpenAiSessionConfigInput,
    OpenAiTurnDetection,
)
from elevenlabs.client import ElevenLabs
load_dotenv()
elevenlabs = ElevenLabs(api_key=os.getenv("ELEVENLABS_API_KEY"))
client_secret = elevenlabs.conversational_ai.realtime.create_client_secret(
    request=CreateClientSecretRequest(
        session=OpenAiSessionConfigInput(
            type="realtime",
            model="eleven_realtime_v1_mini",
            instructions="You are a helpful, friendly voice assistant. Keep replies concise.",
            output_modalities=["audio"],
            audio=OpenAiAudioConfigInput(
                input=OpenAiAudioInputConfigInput(
                    format=OpenAiAudioInputFormat(type="audio/pcm", rate=24000),
                    turn_detection=OpenAiTurnDetection(type="semantic_vad", eagerness="medium"),
                ),
                output=OpenAiAudioOutputConfigInput(
                    format=OpenAiAudioOutputFormat(type="audio/pcm"),
                    voice="brian",
                ),
            ),
        ),
        expires_after=ExpiresAfter(anchor="created_at", seconds=600),
    ),
)

응답에는 value(프런트엔드에서 사용할 임시 자격 증명), 만료 시간, 협상된 session이 포함됩니다. 브라우저에는 value만 반환하세요.

model 문자열은 대시보드의 agent_id를 참조하는 대신 에이전트의 동작을 직접 선택합니다. 클라이언트 시크릿을 발급할 때 전송하는 세션 구성은 해당 자격 증명의 권한 있는 초기 세션입니다.

브라우저에서 연결

클라이언트 시크릿을 API 키로 OpenAI Realtime SDK(@openai/agents-realtime)에 전달하고, 기본 OpenAI 엔드포인트 대신 ElevenLabs 엔드포인트를 사용하도록 WebSocket 전송 방식을 설정하세요.

import { OpenAIRealtimeWebSocket, RealtimeAgent, RealtimeSession } from "@openai/agents-realtime";
const { value: clientSecret } = await fetch("/api/token").then((res) => res.json());
const agent = new RealtimeAgent({
  name: "ElevenLabs agent",
  instructions: "You are a helpful, friendly voice assistant. Keep replies concise.",
});
const transport = new OpenAIRealtimeWebSocket({
  url: "wss://api.elevenlabs.io/v1/convai/realtime",
});
const session = new RealtimeSession(agent, {
  transport,
  model: "eleven_realtime_v1_mini",
  config: {
    outputModalities: ["audio"],
    audio: { output: { voice: "brian" } },
  },
});
await session.connect({ apiKey: clientSecret });

SDK는 WebRTC 전송 방식에서만 오디오를 자동으로 연결합니다. WebSocket에서는 OpenAI가 자체 WebSocket 예시에서 사용하는 것과 동일한 헬퍼인 wavtools를 사용해 PCM16 오디오를 24kHz로 직접 캡처하고 재생하세요.

제한 사항

이 가이드에서는 브라우저에서 직접 연결하는 방법을 다룹니다. 서버 측 OpenAI Realtime SDK에서 연결하는 방법에 관한 문서는 아직 공개되지 않았습니다.

FAQ

Realtime 모델은 언제 사용해야 하나요?

Realtime 모델은 제품에 음성을 구현하는 가장 빠른 방법입니다. Eleven Realtime v1 mini는 가격과 속도에 최적화되어 있으며, Eleven Realtime v1 max는 품질과 더 복잡한 작업에 최적화되어 있습니다.

Realtime 모델의 기반 아키텍처는 무엇인가요?

Eleven Realtime v1 mini 및 max는 캐스케이드 아키텍처를 사용하며, 각 구성 요소가 단일 시스템의 일부로서 가장 잘 작동하도록 엔드 투 엔드로 최적화되어 있습니다.

ElevenAgents에서 구성 요소 모델을 선택하는 것과 어떻게 비교되나요?

기반 모델의 세부 사항은 공개되지 않았습니다. 각 구성 요소는 ElevenLabs의 최신 연구를 활용하며 Realtime 모델 내에서 함께 가장 잘 작동하도록 최적화되어 있습니다.

Realtime 모델은 융합 모델인가요?

아닙니다. Realtime 모델은 캐스케이드 아키텍처를 사용합니다. 각 구성 요소는 별개의 모델이며, ElevenLabs의 최신 연구를 바탕으로 함께 가장 잘 작동하도록 최적화되어 있습니다.