Intelligent Media Services:AIAgentConfig

La langue pour l'ASR. Valeurs valides :

• zh_mandarin : chinois (mandarin)

• en : anglais

• zh_en : mélange de chinois et d'anglais

• es : espagnol

• jp : japonais

La durée maximale de silence en millisecondes avant que le moteur ASR ne finalise un énoncé. Une pause supérieure à cette valeur signale une fin de phrase. Plage : 200–1200. Valeur par défaut : 400.

Le seuil de détection d'activité vocale (VAD) pour les interruptions. Plage : 0–11. Valeur par défaut : 11.

• 0 : Désactive le VAD.

• 1–10 : Définit la sensibilité aux interruptions. Une valeur plus élevée rend l'agent plus difficile à interrompre.

• 11 : Un mode amélioré avec une distorsion audio plus faible et une meilleure résistance au bruit.

Paramètres de transmission pour les intégrations ASR propriétaires.

La durée minimale en millisecondes de parole continue de l'utilisateur requise pour déclencher une interruption. Ceci contrôle la sensibilité aux interruptions. Une valeur de 0 désactive cette fonctionnalité. Plage : 200–2000. Une plage courante est de 200 à 500 ms, ce qui correspond généralement à 1 à 4 caractères chinois. En cas d'omission, cette fonctionnalité est désactivée.

L'identifiant de la voix TTS prédéfinie. Les modifications s'appliquent à l'énoncé suivant. En cas d'omission, la voix du modèle d'agent IA est utilisée. L'identifiant peut comporter jusqu'à 64 caractères. Pour les voix disponibles, consultez Exemples de voix intelligentes.

Ce paramètre s'applique uniquement au fournisseur Minimax. Valeurs valides : speech-01-turbo, speech-02-turbo

Ce paramètre est réservé au fournisseur minimax. Il améliore la reconnaissance pour certaines langues et certains dialectes à faibles ressources. Si la langue est inconnue, définissez ce paramètre sur auto pour une détection automatique. Par défaut, ce paramètre n'est pas défini. Les valeurs prises en charge incluent :

Ce paramètre s'applique uniquement au fournisseur Minimax. Les émotions prises en charge incluent :

• happy

• sad

• angry

• fearful

• disgusted

• surprised

• calm

La vitesse de parole, où une valeur de 1,0 correspond à la vitesse normale. La plage prise en charge peut varier selon le fournisseur. Pour CosyVoice, la plage est de 0,5 à 2,0 (valeur par défaut : 1,0). Pour Minimax, la plage est de 0,5 à 2,0 (valeur par défaut : 1,0).

Le nombre maximal de tours de conversation récents à inclure dans le contexte du LLM/MLLM. Valeur par défaut : 10.

L'invite système pour le LLM après le début de l'appel.

Paramètres d'Alibaba Cloud Model Studio, fournis sous forme de chaîne JSON. Pour le format des paramètres, consultez Paramètres d'Alibaba Cloud Model Studio.

Paramètres de requête supplémentaires pour un LLM compatible avec OpenAI. Les paramètres doivent être fournis sous forme de chaîne de requête URL (par exemple, key1=value1&key2=value2). Toutes les valeurs doivent être des chaînes.

Lorsqu'il est défini sur true, l'agent envoie la réponse complète du LLM dans un seul message une fois qu'elle est entièrement générée, au lieu de la diffuser en continu. Ce paramètre n'affecte pas la diffusion en continu des sous-titres.

Le nombre minimum de caractères dans un bloc de texte avant qu'il ne soit envoyé au moteur TTS. Les blocs plus courts sont mis en mémoire tampon. Plage : 0–100. Une valeur de 0 ou l'omission de ce paramètre désactive la mise en mémoire tampon. Valeur par défaut : Non définie.

Le délai maximal en millisecondes avant que le texte mis en mémoire tampon ne soit envoyé au moteur TTS, même si OutputMinLength n'est pas atteint. Plage : 1000–10000. Une valeur de 0 ou l'omission de ce paramètre désactive la limite de délai. Valeur par défaut : Non définie.

Indique si l'historique des messages du LLM est synchronisé avec le contenu diffusé par le TTS. Valeur par défaut : false. Lorsque cette option est activée, les messages du LLM enregistrés correspondent au contenu réellement diffusé par le TTS.

[
  {"role": "user", "content": "Raconte-moi une histoire."},
  {"role": "assistant", "content": "D'accord, je peux te raconter une histoire sur les Trois Royaumes. Est-ce que cela te<ims_agent_interrupted> plairait ?"},
  {"role": "user", "content": "Raconte-m'en une autre."}
]

L'identifiant du modèle de l'avatar.

Indique si l'interruption de la parole doit être activée. Valeur par défaut : true.

Indique comment gérer la parole de l'utilisateur qui se produit pendant une section non interruptible de l'énoncé de l'agent.

• cache : Met en cache la parole de l'utilisateur et la traite lors du prochain tour de conversation.

• discard : Écarte la parole de l'utilisateur.

Valeur par défaut : cache.

Indique si les mots d'interruption doivent être inclus dans le texte envoyé au LLM. Valeur par défaut : false (les mots sont ignorés).

Indique si la reconnaissance d'empreinte vocale doit être activée. Valeur par défaut : false. Si défini sur true, vous devez également fournir un VoiceprintId valide.

L'identifiant unique de l'empreinte vocale. Ceci n'est pas défini par défaut. L'identifiant doit correspondre à une empreinte vocale enregistrée à l'aide de l'API d'enregistrement d'empreinte vocale. Pour plus d'informations, consultez Enregistrer une empreinte vocale.

Le mode d'enregistrement de l'empreinte vocale. Valeur par défaut : Explicit.

Le mode de détection des tours de parole.

• Normal (par défaut) : l'agent s'appuie sur les pauses pour détecter la fin du tour de parole de l'utilisateur.

• Semantic : l'agent utilise l'IA pour analyser le contexte de la conversation afin de déterminer si l'utilisateur a terminé de parler.

Le temps de détection des pauses en mode IA, en millisecondes. Valeur par défaut : -1.

• -1 : L'IA détermine automatiquement un temps d'attente approprié.

• 0–10000 : Un temps d'attente personnalisé. Une plage de 0 à 1500 ms est recommandée.

Contrôle la vitesse de réponse de l'agent après la détection d'une pause de l'utilisateur. Ce paramètre s'applique uniquement en mode Semantic. Un réglage plus élevé entraîne une réponse plus rapide, mais augmente le risque d'interrompre l'utilisateur :

• Low : attend patiemment avec un temps d'attente maximal de 6 secondes, réduisant ainsi le risque d'interruption.

• Medium : un temps d'attente équilibré (jusqu'à 4 secondes), adapté à la plupart des scénarios.

• High : répond rapidement (jusqu'à 2 secondes), ce qui améliore la rapidité mais peut augmenter le risque d'erreur dans les tours de parole.

Ce champ est vide par défaut.

L'identifiant de la ressource de son d'ambiance. Vous pouvez obtenir cet identifiant dans les paramètres avancés de la configuration de l'agent dans la console.

Le volume du son d'ambiance. Plage : 0–100. Une valeur de 0 désactive le son.