首页
/ AWS SDK Ruby 中使用 Nova Sonic 双向流式调用的实践指南

AWS SDK Ruby 中使用 Nova Sonic 双向流式调用的实践指南

2025-06-20 06:13:21作者:幸俭卉

背景介绍

AWS Ruby SDK 近期新增了对 Nova Sonic 模型双向流式调用的支持,这为开发者提供了更高效的实时交互能力。本文将详细介绍如何在 Ruby 项目中正确实现这一功能。

核心问题解析

许多开发者在尝试使用 invoke_model_with_bidirectional_stream 方法时遇到了参数验证错误,这主要是因为:

  1. 该方法仅适用于 AsyncClient 而非标准 Client
  2. 事件流处理器的配置方式较为特殊
  3. 输入事件的格式要求严格

正确实现方案

1. 初始化异步客户端

首先需要创建 AsyncClient 实例,并启用 ALPN 协议:

async_client = Aws::BedrockRuntime::AsyncClient.new(
  region: 'us-east-1', 
  enable_alpn: true
)

2. 创建输入输出流处理器

input_stream = Aws::BedrockRuntime::EventStreams::InvokeModelWithBidirectionalStreamInput.new
output_stream = Aws::BedrockRuntime::EventStreams::InvokeModelWithBidirectionalStreamOutput.new

3. 配置输出流处理器

output_stream.on_event do |event|
  puts "收到响应事件: #{event}"
end

4. 发起双向流调用

async_resp = async_client.invoke_model_with_bidirectional_stream(
  model_id: "amazon.nova-sonic-v1:0",
  input_event_stream_handler: input_stream,
  output_event_stream_handler: output_stream
)

事件流构建详解

Nova Sonic 需要按照特定顺序发送事件:

会话初始化事件

session_start = {
  event: {
    sessionStart: {
      inferenceConfiguration: {
        maxTokens: 10000,
        topP: 0.95,
        temperature: 0.9
      }
    }
  }
}.to_json

提示配置事件

prompt_start = {
  event: {
    promptStart: {
      promptName: "唯一提示ID",
      textOutputConfiguration: { mediaType: "text/plain" },
      audioOutputConfiguration: {
        mediaType: "audio/lpcm",
        sampleRateHertz: 24000,
        sampleSizeBits: 16,
        channelCount: 1,
        voiceId: "en_us_matthew",
        encoding: "base64",
        audioType: "SPEECH"
      },
      toolUseOutputConfiguration: { mediaType: "application/json" },
      toolConfiguration: { tools: [] }
    }
  }
}.to_json

音频流处理

对于音频输入,需要分块发送:

audio_event_template = {
  event: {
    audioInput: {
      promptName: "唯一提示ID",
      contentName: "唯一内容ID",
      content: "%s",  # 将被替换为base64编码的音频块
      role: "USER"
    }
  }
}.to_json

File.open("音频文件路径", 'rb') do |f|
  while (chunk = f.read(1024))
    encoded_chunk = Base64.strict_encode64(chunk)
    input_stream.signal_chunk_event(bytes: audio_event_template % encoded_chunk)
  end
end

最佳实践建议

  1. 异常处理:确保为事件流添加错误处理回调
  2. 资源清理:使用完毕后及时关闭流连接
  3. 性能优化:根据网络状况调整音频分块大小
  4. 会话管理:合理设计会话ID生成策略

常见问题排查

如果遇到参数验证错误,请检查:

  • 是否使用了 AsyncClient 而非标准 Client
  • 事件格式是否符合规范
  • 是否所有必填字段都已提供

通过以上方法,开发者可以充分利用 Nova Sonic 的双向流式能力,构建高效的实时语音交互应用。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K