端到端实时语音对话（WebSocket）

WebSocket 端点，非普通 HTTP：wss://api.xrtoken.net/v1/realtime?model=doubao-realtime。 一个长连接完成「录音 → 识别 → 大模型 → 语音回答」全链路，自带 VAD 断句、打断、上下文。

鉴权：服务端用 Authorization: Bearer <key> header；浏览器无法带 header，用 Sec-WebSocket-Protocol: ["xrtoken.bearer", "<key>"] 携带。

豆包：model=doubao-realtime 使用火山二进制协议（StartConnection → StartSession → TaskRequest → ASRResponse/ChatResponse/TTSResponse）。按 token 结算，3 分钟无交互自动断开。

Grok Voice 3.0（需渠道启用）：model=xai/grok-voice-3.0 使用 xAI JSON 事件。先发 session.update 设置 voice、instructions、turn_detection: {"type":"server_vad"}，再发 input_audio_buffer.append（base64 PCM16，默认 24kHz），接收 response.output_audio.delta 和 response.output_audio_transcript.delta。支持语音打断与客户端 function 工具；当前不支持手动断句、会话恢复及另行收费的服务端工具。

Grok 按会话时长加文字消息计费，停顿也计时；文字 conversation.item.create 另计，工具结果与音频项除外。开始预冻结额度，结束结算。max_duration_seconds 为 1–600（默认 600），max_text_messages 为 0–100（默认 20），网页使用 0。网关限制参数不会发送给 xAI。达到时长上限自动关闭；配置或价格未准备好时返回 503。

Authorization: Bearer tr-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

curl -X get "https://api.xrtoken.net/v1/realtime?model=string"

{
  "error": "invalid or missing API key",
  "type": "auth_error"
}

{
  "error": "insufficient balance -- please top up or upgrade your plan",
  "type": "billing_error"
}