智能体外呼全量配置参数详解-智能媒体服务-阿里云

名称	类型	描述	示例值
	object	智能体模版参数
Greeting	string	问候语，修改后下次入会生效。默认无。	你好
EnableIntelligentSegment	boolean	智能断句开关，开启智能断句后，用户说话的发生断句会智能合并成一句。默认 true。	true
AsrConfig	object	语音识别配置
AsrMaxSilence	integer	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。	400
AsrLanguageId	string	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	zh_mandarin
AsrHotWords	array	Asr 热词列表。热词列表最大支持 128 个词。
	string	热词字符串。字符长度: [1,10]个字符	检查
VadLevel	integer	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。	11
CustomParams	string	asr 自研接入透传参数。	mode=fast&sample=16000&format=wav
VadDuration	integer	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。	300
LlmConfig	object	大语言模型配置
LlmHistoryLimit	integer	llm/mllm 历史对话上下文最大保留轮次，默认 10 次。	10
LlmHistory	array	llm/mllm 历史对话上下文
	object	单个对话
Role	string	表示对话参与者的角色。可选值包括： user: 用户 assistant: 助手 system: 系统 function: 函数 plugin: 插件 tool: 工具	user
Content	string	存储实际的对话内容文本，记录了该角色在对话中的具体表达或回应。	你好
LlmSystemPrompt	string	启动通话后 llm 的系统提示词。	你是一位友好且乐于助人的助手，专注于为用户提供准确的信息和建议。
BailianAppParams	string	阿里云百炼应用中心参数。参数格式参考：阿里云百炼应用中心参数	"{\"biz_params\":{\"user_defined_params\":{\"your_plugin_id\":{\"article_index\":2}}},\"memory_id\":\"your_memory_id\",\"image_list\":[\"https://your_image_url\"],\"rag_options\":{\"pipeline_ids\":[\"your_id\"],\"file_ids\":[\"文档ID1\",\"文档ID2\"],\"metadata_filter\":{\"name\":\"张三\"},\"structured_filter\":{\"key1\":\"value1\",\"key2\":\"value2\"},\"tags\":[\"标签1\",\"标签2\"]}}"
OpenAIExtraQuery	string	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。	api-version=2024-02-01&api-key=sk-xxx
LlmCompleteReply	boolean	开启后，llm 生成结果之后，会向客户端发送完整 llm 结果。	true
FunctionMap	array	功能映射列表，用于将智能体能力与 LLM 函数对应。当前只支持和用户自定义 openai 协议 llm 的函数调用。
	object	单个对应规则。
Function	string	阿里智能体系统提供的内置功能名称。当前只支持 hangup(挂断)。	hangup
MatchFunction	string	要与该功能对应的 LLM 函数名称，由客户自定义，用于在 LLM 中调用对应功能。用户自定义 llm 协议参考： LLM 标准接口	hangup
OutputMinLength	integer	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。	5
OutputMaxDelay	string	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。	2000
HistorySyncWithTTS	boolean	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。	false
TtsConfig	object	语音合成配置
VoiceId	string	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。	longcheng_v2
VoiceIdList	array	可选音色列表。
	string	音色。	zhixiaoxia
PronunciationRules	array	Tts 发音规则，数组长度不超过 20 个，规则按顺序执行。
	object	Tts 发音规则。
Word	string	需要替换的词，长度小于 10，必须是中文字符，不支持空格。	大栅栏
Pronunciation	string	目标的发音，长度小于 10，必须是中文字符，不支持空格。	大石烂儿
Type	string	具体发音规则类型。可选： replacement。直接将 Word 替换为 Pronunciation 的规则。	replacement
ModelId	string	当前仅支持 minimax，可选值： speech-01-turbo / speech-02-turbo	speech-01-turbo
LanguageId	string	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：支持语种 Chinese：中文 Chinese,Yue：粤语 English：英语 Arabic：阿拉伯语 Russian：俄语 Spanish：西班牙语 French：法语 Portuguese：葡萄牙语 German：德语 Turkish：土耳其语 Dutch：荷兰语 Ukrainian：乌克兰语 Vietnamese：越南语 Indonesian：印度尼西亚语 Japanese：日语 Italian：意大利语 Korean：韩语 Thai：泰语 Polish：波兰语 Romanian：罗马尼亚语 Greek：希腊语 Czech：捷克语 Finnish：芬兰语 Hindi：印地语 auto：自动检测	Chinese
Emotion	string	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	happy
SpeechRate	number	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。	1.0
InterruptConfig	object	语音打断策略配置。
EnableVoiceInterrupt	boolean	是否支持语音打断，默认 true。	true
InterruptWords	array	触发对话中断的特定词汇或短语。
	string	触发对话中断的特定词汇或短语。	打断一下
Eagerness	string
NoInterruptMode	string	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	cache
TurnDetectionConfig	object	对话轮次检测配置
TurnEndWords	array	用于判断用户轮次结束的关键词列表
	string	用于判断用户轮次结束的关键词	我说完了
Mode	string	轮次检测的模式。 Normal：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。默认值 Normal。	Semantic
SemanticWaitDuration	integer	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 注意:普通模式下此项无效	-1
Eagerness	string
GreetingDelay	integer	欢迎语延迟时间，单位毫秒，默认 0 毫秒，范围：0-5000ms	0
AmbientSoundConfig	object	通话环境音配置。
ResourceId	string	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。	f67901c595834************
Volume	integer	通话背景音的音量，可选值：[0, 100]，0 表示关闭。	50
ExperimentalConfig	string	实验功能参数，有需求请联系答疑。	""
AutoSpeechConfig	object	智能体自动说话配置模块，包括 LLM 等待提示和用户长时间静默问询。
UserIdle	object	用户长时间静默时的问询播报配置。
WaitTime	integer	静默时长阈值，单位毫秒，必填。超过此时长触发问询。范围 5000–600000ms。	5000
MaxRepeats	integer	最大问询次数，范围 0–10，必填。超过后不再触发，直接关闭通话。	5
Messages	array	问询提示语集合，最大 10 条，每条长度 ≤ 100 字符，概率总和为 100%。
	object	问询词结构
Text	string	问询提示语文本，最长 100 字符。	您还在吗？
Probability	number	提示语的选择概率，取值范围为 0–1，对应 0%–100%。	0.5
LlmPending	object	LLM 响应延迟时的播报配置。
WaitTime	integer	等待大模型回复时长阈值。超过此时长，触发播报提示。必填，单位毫秒，范围 500–10000ms。请用户根据大模型的实际使用。	3000
Messages	array	问询提示语集合，最大 10 条，每条长度 ≤ 100 字符，概率总和为 100%。
	object	问询词结构
Text	string	问询提示语文本，最长 100 字符。	稍等一下
Probability	number	提示语的选择概率，取值范围为 0–1，对应 0%–100%。	0.5
MaxIdleTime	integer	和智能体无互动的最大等待时间，超时智能体下线。单位：秒。默认：600 秒。	600
BackChannelingConfig	object
Enabled	boolean
TriggerStage	string
Probability	number
Words	object
Text	string
Probability	number

object

智能体模版参数

Greeting

string

问候语，修改后下次入会生效。默认无。

你好

EnableIntelligentSegment

boolean

智能断句开关，开启智能断句后，用户说话的发生断句会智能合并成一句。默认 true。

true

AsrConfig

object

语音识别配置

AsrMaxSilence

integer

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。

400

AsrLanguageId

string

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

zh_mandarin

AsrHotWords

array

Asr 热词列表。热词列表最大支持 128 个词。

string

热词字符串。字符长度: [1,10]个字符

检查

VadLevel

integer

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。

11

CustomParams

string

asr 自研接入透传参数。

mode=fast&sample=16000&format=wav

VadDuration

integer

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。

300

LlmConfig

object

大语言模型配置

LlmHistoryLimit

integer

llm/mllm 历史对话上下文最大保留轮次，默认 10 次。

10

LlmHistory

array

llm/mllm 历史对话上下文

object

单个对话

Role

string

表示对话参与者的角色。可选值包括：

user: 用户
assistant: 助手
system: 系统
function: 函数
plugin: 插件
tool: 工具

user

Content

string

存储实际的对话内容文本，记录了该角色在对话中的具体表达或回应。

你好

LlmSystemPrompt

string

启动通话后 llm 的系统提示词。

你是一位友好且乐于助人的助手，专注于为用户提供准确的信息和建议。

BailianAppParams

string

阿里云百炼应用中心参数。参数格式参考：阿里云百炼应用中心参数

"{\"biz_params\":{\"user_defined_params\":{\"your_plugin_id\":{\"article_index\":2}}},\"memory_id\":\"your_memory_id\",\"image_list\":[\"https://your_image_url\"],\"rag_options\":{\"pipeline_ids\":[\"your_id\"],\"file_ids\":[\"文档ID1\",\"文档ID2\"],\"metadata_filter\":{\"name\":\"张三\"},\"structured_filter\":{\"key1\":\"value1\",\"key2\":\"value2\"},\"tags\":[\"标签1\",\"标签2\"]}}"

OpenAIExtraQuery

string

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。

api-version=2024-02-01&api-key=sk-xxx

LlmCompleteReply

boolean

开启后，llm 生成结果之后，会向客户端发送完整 llm 结果。

true

FunctionMap

array

功能映射列表，用于将智能体能力与 LLM 函数对应。当前只支持和用户自定义 openai 协议 llm 的函数调用。

object

单个对应规则。

Function

string

阿里智能体系统提供的内置功能名称。当前只支持 hangup(挂断)。

hangup

MatchFunction

string

要与该功能对应的 LLM 函数名称，由客户自定义，用于在 LLM 中调用对应功能。用户自定义 llm 协议参考： LLM 标准接口

hangup

OutputMinLength

integer

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。

5

OutputMaxDelay

string

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。

2000

HistorySyncWithTTS

boolean

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。

false

TtsConfig

object

语音合成配置

VoiceId

string

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。

longcheng_v2

VoiceIdList

array

可选音色列表。

string

音色。

zhixiaoxia

PronunciationRules

array

Tts 发音规则，数组长度不超过 20 个，规则按顺序执行。

object

Tts 发音规则。

Word

string

需要替换的词，长度小于 10，必须是中文字符，不支持空格。

大栅栏

Pronunciation

string

目标的发音，长度小于 10，必须是中文字符，不支持空格。

大石烂儿

Type

string

具体发音规则类型。可选：

replacement。直接将 Word 替换为 Pronunciation 的规则。

replacement

ModelId

string

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

speech-01-turbo

LanguageId

string

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：

支持语种

Chinese：中文
Chinese,Yue：粤语
English：英语
Arabic：阿拉伯语
Russian：俄语
Spanish：西班牙语
French：法语
Portuguese：葡萄牙语
German：德语
Turkish：土耳其语
Dutch：荷兰语
Ukrainian：乌克兰语
Vietnamese：越南语
Indonesian：印度尼西亚语
Japanese：日语
Italian：意大利语
Korean：韩语
Thai：泰语
Polish：波兰语
Romanian：罗马尼亚语
Greek：希腊语
Czech：捷克语
Finnish：芬兰语
Hindi：印地语
auto：自动检测

Chinese

Emotion

string

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

happy

SpeechRate

number

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。

1.0

InterruptConfig

object

语音打断策略配置。

EnableVoiceInterrupt

boolean

是否支持语音打断，默认 true。

true

InterruptWords

array

触发对话中断的特定词汇或短语。

string

触发对话中断的特定词汇或短语。

打断一下

Eagerness

string

NoInterruptMode

string

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

cache

TurnDetectionConfig

object

对话轮次检测配置

TurnEndWords

array

用于判断用户轮次结束的关键词列表

string

用于判断用户轮次结束的关键词

我说完了

Mode

string

轮次检测的模式。

Normal：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。

默认值 Normal。

Semantic

SemanticWaitDuration

integer

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

注意:普通模式下此项无效

-1

Eagerness

string

GreetingDelay

integer

欢迎语延迟时间，单位毫秒，默认 0 毫秒，范围：0-5000ms

0

AmbientSoundConfig

object

通话环境音配置。

ResourceId

string

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。

f67901c595834************

Volume

integer

通话背景音的音量，可选值：[0, 100]，0 表示关闭。

50

ExperimentalConfig

string

实验功能参数，有需求请联系答疑。

""

AutoSpeechConfig

object

智能体自动说话配置模块，包括 LLM 等待提示和用户长时间静默问询。

UserIdle

object

用户长时间静默时的问询播报配置。

WaitTime

integer

静默时长阈值，单位毫秒，必填。超过此时长触发问询。范围 5000–600000ms。

5000

MaxRepeats

integer

最大问询次数，范围 0–10，必填。超过后不再触发，直接关闭通话。

5

Messages

array

问询提示语集合，最大 10 条，每条长度 ≤ 100 字符，概率总和为 100%。

object

问询词结构

Text

string

问询提示语文本，最长 100 字符。

您还在吗？

Probability

number

提示语的选择概率，取值范围为 0–1，对应 0%–100%。

0.5

LlmPending

object

LLM 响应延迟时的播报配置。

WaitTime

integer

等待大模型回复时长阈值。超过此时长，触发播报提示。必填，单位毫秒，范围 500–10000ms。请用户根据大模型的实际使用。

3000

Messages

array

问询提示语集合，最大 10 条，每条长度 ≤ 100 字符，概率总和为 100%。

object

问询词结构

Text

string

问询提示语文本，最长 100 字符。

稍等一下

Probability

number

提示语的选择概率，取值范围为 0–1，对应 0%–100%。

0.5

MaxIdleTime

integer

和智能体无互动的最大等待时间，超时智能体下线。单位：秒。默认：600 秒。

600

BackChannelingConfig

object

Enabled

boolean

TriggerStage

string

Probability

number

Words

object

Text

string

Probability

number