AI实时互动能够实现AI与用户之间的高效音视频互动，本文档将从应用能力和产品优势等多个方面来介绍AI实时互动。
产品简介
AI实时互动是一种旨在帮助企业快速构建AI与用户之间的音视频通话应用的解决方案。用户只需通过白屏化的界面操作，即可在10分钟内构建一个专属的AI智能体，并通过视频云通讯网络与终端用户进行实时交互。该方案适用于网络客服、AI助理、AI伴侣、撮合助手、虚拟老师等多种应用场景，使用户能够在短时间内快速构建AI实时互动能力。
应用能力
在AI实时互动功能中，AI智能体被定义为云端高拟真用户，用于实现与用户的音视频交互。为了满足不同的交互需求，您需要为智能体配置相应的工作流。阿里云为您提供了三种工作流类型，以满足您的业务需求。
语音通话 用户通过语音与智能助手交流对话，获取即时的信息反馈和服务。
| 数字人通话 通过视频方式与数字人对话，为用户提供更加真实的互动体验。
| 视觉理解通话 通过视频方式与智能体互动，智能体将结合用户的语音和摄像头画面来提供反馈。
|
以创建语音通话工作流模板为例： 您只需要配置以下3个节点，就能完成语音通话工作流的创建。
| ||
您可以前往Demo体验，以全面了解上述能力。
应用场景
知识问答
知识问答系统可以作为在线客服和智能助手，为用户提供快速且准确的答案与解决方案。通过对大量问题及答案的学习和理解，系统能够根据用户提出的问题进行有效回答，从而提升用户体验和服务质量。
产品优势
全球高可用、低延迟：依托阿里云的实时音视频网络体系，全球3200+节点覆盖和QoS优化，使得用户可以在全球的任何位置与AI智能体流畅的完成音视频通话。
易接入、易调试：您可以将AI组件（如语音转文字、大模型、语音合成、自研向量数据库等）以插件的形式整合到工作流中，从而迅速开展业务，并在此过程中便捷地对整体技术方案进行调试。
高度拟人化：阿里云通过持续迭代和优化智能降噪、智能打断、智能断句等功能，使智能体在互动行为上更接近于人类。
易集成：阿里云为您提供四种集成方式来帮助您搭建AI实时互动系统，以满足不同场景和需求下的应用构建。具体详情，请参考集成方案概览。
实现原理
用户通过终端SDK发起与云端AI智能体的实时音视频通话；
AI智能体接收到用户的音视频输入后，开始运转工作流，并输出AI的响应结果；
AI智能体将响应结果的音视频流推送到ARTC网络，用户可以订阅该音视频流进行播放，从而完成用户与AI智能体的对话。
功能说明
功能 | 说明 |
实时通话（ARTC） | 阿里云实时音视频方案，依托该方案用户可以与AI智能体进行全球范围的高可靠、低延时通话。 |
实时工作流 | 您可以使用白屏化的方式，灵活地编排智能体AI的工作流。
|
自定义智能体形象 | 您可以为所创建的智能体上传一张图片，以便在语音通话场景中展示该智能体的形象。 |
欢迎词 | 您可以在控制台中配置欢迎词内容，当用户与AI智能体开始对话时，智能体将播报该欢迎词内容。 |
主动播报 | 业务服务器可以通过OpenAPI的形式，让智能体主动向用户输出音视频内容。 |
实时字幕 | 用户与智能体之间的对话内容可在终端用户界面上实时呈现。 |
智能降噪 | AI智能体将自动过滤对话过程中用户侧产生的嘈杂音。当用户侧有多个人同时说话时，将优先采集音量最大的人声。 |
智能打断 | 在与AI智能体对话时，AI智能体能够有效识别用户在对话中的打断意图。 |
智能断句 | 智能体能够自动识别并分割长句或复杂句，以提升文本的可读性和用户体验。 |
对讲机模式 | 用户可以在启动或者通话中设置通话模式为对讲机模式，通过按下按钮与智能体进行交互。 |
ASR热词 | 您可以定义业务相关的热词，以此提升AI智能体在语音识别中的准确率。 |
声纹降噪 | 在多人交谈的场景中，智能体通过识别主讲人的声纹特征，更加精确地捕捉和保留主讲人的语音，同时降低对无关噪音的干扰。 |
真人接管 | 在用户与智能体进行交互时，如遇无法处理的情况或需做出关键决策时，可以选择由真人进行接管以做出决策。 |
优雅下线 | 当业务服务器需要停止智能体时，允许智能体完成当前对话的表达后再进行停止操作，以避免对话被生硬地打断。 |
数据归档 | 将用户与AI智能体的对话转化为文本信息并进行存储，企业可通过API接口调用以消费这部分数据。同时，企业可以将用户与AI智能体通话的音视频数据存储至对象存储服务（OSS）或视频点播（VOD）平台。 |
计费说明
详细计费内容，请前往AI实时互动计费说明。
常见问题
联系我们
更多产品咨询问题或使用支持，欢迎通过钉钉扫描下方二维码，加入群聊联系我们。