AIAgentConfig

通话环境音 ID，可以在控制台上智能体配置的高级配置中获取。

通话背景音的音量，可选值：[0, 100]，0 表示关闭。

ASR 上下文增强。

asr 语种 Id。 可选：

• zh_mandarin 中文

• en 英文

• zh_en 中英混

• es 西班牙语

• jp 日语

语音断句检测阈值，静音时长超过该阈值会被认为断句，参数范围 200ms～1200ms，默认值 400ms。

ASR 实例级即时热词及权重。

asr 自研接入透传参数。

语音活动检测的最短持续时间阈值，用于控制打断的灵敏度。0 表示关闭此功能。有效范围：200 到 2000 毫秒。常用[200,500] 对应 1-4 个字。默认为空，不生效。

打断阈值参数。取值范围：[0,11], 默认值：11。

• 0 表示关闭 vad 功能。

• 1-10 设置数字越高表示越难打断。

• 11 与之前显著不同，前处理对话音损伤更低，抗干扰更强。

数字人的模型 id。

用于指定数字人视频流的分辨率,（严格小写匹配），必须与 AvatarId 同时传。取值：

• 360p

• 480p

• 720p

• 1080p

数字人模板 ID，用来指定数字人启动时用哪个模板。模板由数字人服务方提供，填的值是否有效也由服务方检查。

是否支持语音打断，默认 true。

是否保留打断词送 LLM，默认丢弃。

模式下的 ASR 处理策略

• cache: 缓存 ASR 文本，当前轮次结束后，被缓存的 asr 文本会在下一个轮次一起被处理。

• discard: 直接丢弃 ASR 文本。

默认处理是缓存 ASR 文本

阿里云百炼应用中心参数，类型为 JSON 字符串。参数格式参考： 阿里云百炼应用中心参数

大模型消息历史，是否和 tts 播放内容保持一致。默认 false。开启后，保存的大模型消息和 tts 播放内容保持一致。

[
  {"role": "user", "content": "给我讲一个故事。"},
  {"role": "assistant", "content": "好的，我给你讲一个三国演义的故事吧，你<ims_agent_interrupted>想听吗？"},
  {"role": "user", "content": "换一个吧。"}
]

开启后，llm 回复完整结果之后，智能体会向客户端发送完整 llm 结果。此开关不影响字幕的流式生成。

llm/mllm 历史对话上下文最大保留轮次，默认 10 次。

启动通话后 llm 的系统提示词。

额外的 OpenAI 协议 LLM 的查询参数, 参数必须使用 key=value 格式,多个参数用 & 连接,所有值必须为字符串类型。

文本输出最大延迟时间（毫秒），超过该时间强制输出已缓存文本，。范围[1000,10000]，0 或空表示不限制，默认空。

文本输出最小长度（字符数），小于该长度的文本会被缓存等待拼接，范围[0, 100]，0 或空表示不限制，默认空。

默认转接号（备用，当前调用转呼时仍需显式传被叫号）。

转呼时使用的主叫号。配置该字段即视为开启 RTC 转呼能力，不配置则行为与改动前完全一致。

转接接通后，是否对通话双方（RTC 用户和被转接的电话那一方）做实时语音识别。开启时，识别结果会作为字幕通过 RTC 消息通道推给客户端，同时写入通话记录。取值：

• true（默认）：开启。

• false：关闭，转接期间不再产生字幕和通话记录。

仅 Type=1 时必填，自定义 SIP 出网关地址。

取值：

• 0（默认）：阿里云通信线路

• 1：用户自定义 SIP 线路

当前仅支持 minimax，minimax 当前支持 7 种情绪：

• happy：高兴

• sad：悲伤

• angry：愤怒

• fearful：害怕

• disgusted：厌恶

• surprised：惊讶

• calm：中性

TTS 发音修正和文本替换。

TTS 自然语言指令控制。

当前仅支持 minimax，默认为空。增强对指定的小语种和方言的识别能力，设置后可以提升在指定小语种/方言场景下的语音表现。如果不明确小语种类型，则可以选择"auto"，模型将自主判断小语种类型。支持以下取值：

当前仅支持 minimax，可选值： speech-01-turbo / speech-02-turbo

支持全平台。 cosyvoice 默认 1.0，取值范围：0.5-2.0。 minimax 默认 1.0， 取值范围: 0.5-2.0。

音色 ID，修改后下句话生效。不填写则使用智能体模版配置的音色 ID。仅针对预置 TTS 生效。输入长度不超过 64。可选值参考：智能语音效果示例。

仅在 Semantic 模式下生效。控制 AI 检测到停顿后，启动回应的快慢程度：

• "Low"：耐心等待，最长等待时间 6 秒，减少被打断风险。

• "Medium"：平衡等待（最长等待时间 4 秒），适用大多数场景。

• "High"：快速响应（最长等待时间 2 秒），提升速度但可能增加误切风险。

字段默认空。

轮次检测的模式。

• Normal（默认值）：普通模式，不使用 AI 判断语义；

• Semantic：用 AI 根据上下文语义，判断是否说完话了。

AI 模式下的停顿判定时间，单位:毫秒，默认值-1。

• -1: AI 自动判断合适的等待时间

• 0-10000: 自定义等待时间，建议设置在 0-1500ms

声纹注册模式。 默认值：Explicit

是否使用声纹识别的开关。默认值：false。开启声纹时需要传入合法的声纹 Id

声纹识别的唯一身份 ID。默认值：不填。传入的声纹 id 必须已经通过声纹注册接口注册，接口文档参考：注册人声声纹