type string (必选) 事件类型，固定为session.update。 | {
"event_id": "event_ToPZqeobitzUJnt3QqtWg",
"type": "session.update",
"session": {
"modalities": [
"text",
"audio"
],
"voice": "Cherry",
"sample_rate": 16000,
"input_audio_format": "pcm",
"output_audio_format": "pcm",
"input_audio_transcription": {
"model": "qwen3-asr-flash-realtime",
"language": "zh"
},
"translation": {
"language": "en",
"corpus": {
"phrases": {
"人工智能": "Artificial Intelligence",
"机器学习": "Machine Learning"
}
}
}
}
}
启用声音复刻（frequency=once）的示例： {
"event_id": "event_ToPZqeobitzUJnt3QqtWg",
"type": "session.update",
"session": {
"modalities": [
"text",
"audio"
],
"voice": "default",
"enable_voice_clone": true,
"voice_clone_options": {
"frequency": "once"
},
"sample_rate": 16000,
"input_audio_format": "pcm",
"output_audio_format": "pcm",
"translation": {
"language": "en"
}
}
}
|
session object （可选） 会话配置。 属性 modalities array （可选） 模型输出模态设置，可选值： ["text"] 仅输出文本。 ["text","audio"]（默认值） 输出文本与音频。
voice string （可选） 生成音频的音色。未启用声音复刻时，可设置为系统预设音色，可选值参见支持的音色。默认值为Cherry。 启用声音复刻（enable_voice_clone为true）时，voice的取值取决于frequency：当frequency为once或always时，必须设置为default；当frequency为never时，设置为用户预先复刻的音色 ID。此时不可设置为系统预设音色，否则服务端会返回错误。 enable_voice_clone boolean （可选） 是否启用声音复刻。默认值为false。启用后，模型会基于输入音频复刻音色用于翻译输出，此时voice不再使用系统预设音色，需设置为default或用户预先通过声音复刻API复刻的音色 ID。 voice_clone_options object （可选） 声音复刻控制参数，仅在enable_voice_clone为true时生效。 属性 voice_clone_options.frequency string （可选） 音色复刻频率，可选值： never
不在服务端进行音色复刻，使用用户预先复刻好的音色。此时voice需设置为用户的复刻音色 ID。 once
会话开始时基于输入音频进行一次音色复刻，后续输出复用该音色。适合单人演讲场景。此时voice需设置为default。 always
每次输出前基于输入音频进行实时音色复刻，音色跟随输入动态变化。适合多人对话场景。此时voice需设置为default。
sample_rate integer （可选） 输入音频的采样率，单位为Hz。可选值： input_audio_transcription object （可选） 输入音频相关配置。 属性 model string （可选） 语音识别模型。配置后，服务端会在翻译的同时返回输入音频的语音识别结果（源语言原文），通过conversation.item.input_audio_transcription.text和conversation.item.input_audio_transcription.completed事件返回。 可选值：qwen3-asr-flash-realtime。 language string （可选） 翻译源语种，可选值：支持的语种。默认值为en。 input_audio_format string （可选） 用户输入音频格式，可选值： output_audio_format string （可选） 输出音频格式，当前仅支持设为pcm。 translation object （可选） 翻译配置。 属性 language string （可选） 翻译目标语种，可选值：支持的语种。默认值为en。 corpus object （可选） 热词配置，用于提升特定词汇的翻译准确性。 属性 corpus.phrases object （可选） 热词映射表。key 为源语言词汇，value 为目标语言对应翻译。 示例：{"人工智能": "Artificial Intelligence"} |
