用途：本技能是 OpenAI Realtime API 与 Audio 端点的参考资料，面向需要搭建低延迟 speech-to-speech 会话，或使用文件转写、文本转语音等音频能力的任务。
主要能力：覆盖 WebRTC、WebSocket、SIP 三种传输方式；session、conversation 与 event 生命周期；VAD；转写与翻译；tools/MCP；服务端控制；成本；voice agents；模型与提示；client secret（ephemeral key）签发。Audio 部分覆盖音频与语音总览、文件转写、文本转语音及转写工作流选型。
使用方式：按任务在映射表中找到对应类别，先读该类别目录下的 README.md 定位目标页面，再读取对应 .md 获取细节。类别包括 realtime、audio、samples。samples 提供 WebRTC 浏览器会话、WebSocket 服务端连接、client secret 签发、实时转写流、文件转写、文本转语音合成、基础 voice agent 等示例。未提供 scripts 目录，连接代码由 samples 覆盖。
适用场景：需要 Realtime 会话建立、事件与 VAD 处理、工具调用、client secret 管理，或非实时文件转写与语音合成时。
限制与边界：webhook 一般内容与 Responses API 参考见 openai-api-core 技能；Agents SDK 的 voice agents（RealtimeAgent / RealtimeSession 等封装）见 openai-agents 技能。本技能只负责 Realtime API 本身与 Audio 端点。Realtime 一词与 Supabase 的 Realtime 数据库 pub/sub 产品无关，勿混淆。具体价格、平台支持与效果资料未提供。