Intelligent Media Services:AIAgentConfig

ID bahasa ASR. Nilai valid:

• zh_mandarin: Bahasa Mandarin.

• en: Bahasa Inggris.

• zh_en: Campuran Bahasa Mandarin dan Bahasa Inggris.

• es: Bahasa Spanyol.

• jp: Bahasa Jepang.

Ambang batas durasi keheningan untuk segmentasi ucapan. Keheningan yang melebihi ambang batas ini dianggap sebagai jeda kalimat. Nilai valid: 200 hingga 1200. Unit: milliseconds. Nilai default: 400.

Parameter ambang batas interupsi. Nilai valid: 0 hingga 11. Nilai default: 11.

• 0: Menonaktifkan fitur voice activity detection (VAD).

• 1 hingga 10: Nilai yang lebih tinggi menunjukkan bahwa lebih sulit untuk menginterupsi agen.

• 11: Secara signifikan berbeda dari nilai sebelumnya, memberikan distorsi ucapan yang lebih rendah selama pra-pemrosesan dan kemampuan anti-interferensi yang lebih kuat.

Parameter pass-through untuk integrasi ASR proprietari.

Ambang batas durasi minimum untuk voice activity detection, yang digunakan untuk mengontrol sensitivitas interupsi. Nilai 0 menonaktifkan fitur ini. Nilai valid: 200 hingga 2000. Unit: milliseconds. Nilai umum: 200 hingga 500, yang sesuai dengan 1 hingga 4 kata. Nilai default: empty (tidak berlaku).

ID suara. Perubahan berlaku pada kalimat berikutnya. Jika tidak ditentukan, ID suara yang dikonfigurasi di templat agen akan digunakan. Parameter ini hanya berlaku untuk TTS preset. Panjang maksimum: 64 karakter. Untuk nilai valid, lihat Contoh efek ucapan cerdas.

ID model. Saat ini, hanya minimax yang didukung. Nilai valid: speech-01-turbo atau speech-02-turbo.

ID bahasa. Saat ini, hanya minimax yang didukung. Nilai default: empty. Parameter ini meningkatkan kemampuan pengenalan untuk bahasa minoritas dan dialek tertentu. Setelah dikonfigurasi, parameter ini meningkatkan kinerja ucapan dalam skenario bahasa minoritas atau dialek tertentu. Jika tipe bahasa minoritas tidak jelas, Anda dapat mengatur parameter ini ke "auto", dan model akan menentukan tipe bahasa secara otomatis. Nilai valid:

Emosi. Saat ini, hanya minimax yang didukung. minimax mendukung 7 emosi berikut:

• happy: Senang

• sad: Sedih

• angry: Marah

• fearful: Takut

• disgusted: Jijik

• surprised: Terkejut

• calm: Tenang

Laju ucapan. Didukung di semua platform. Untuk cosyvoice, nilai default adalah 1.0, dan rentang valid adalah 0.5 hingga 2.0. Untuk minimax, nilai default adalah 1.0, dan rentang valid adalah 0.5 hingga 2.0.

Jumlah maksimum giliran yang dipertahankan untuk konteks percakapan historis LLM atau MLLM. Nilai default: 10.

System prompt untuk LLM setelah panggilan dimulai.

Parameter untuk Alibaba Studio Model Studio Application Center. Tipe-nya adalah string JSON. Untuk format parameter, lihat: Parameter Alibaba Studio Model Studio Application Center.

Parameter kueri tambahan untuk LLM yang kompatibel dengan OpenAI. Parameter harus dalam format key=value. Beberapa parameter dihubungkan dengan tanda dan (&). Semua nilai harus bertipe string.

Setelah fitur ini diaktifkan, agen mengirimkan hasil LLM lengkap ke klien setelah LLM menghasilkan tanggapan penuh. Sakelar ini tidak memengaruhi pembuatan subtitle secara streaming.

Panjang minimum keluaran teks dalam karakter. Teks yang lebih pendek dari panjang ini akan di-cache dan menunggu penggabungan. Nilai valid: 0 hingga 100. Nilai 0 atau empty menunjukkan tidak ada batas. Nilai default: empty.

Waktu penundaan maksimum untuk keluaran teks dalam milidetik. Jika waktu ini terlampaui, teks yang di-cache akan dikeluarkan secara paksa. Nilai valid: 1000 hingga 10000. Nilai 0 atau empty menunjukkan tidak ada batas. Nilai default: empty.

Apakah riwayat pesan LLM konsisten dengan konten pemutaran TTS. Nilai default: false. Setelah fitur ini diaktifkan, pesan LLM yang disimpan konsisten dengan konten pemutaran TTS.

[
  {"role": "user", "content": "Tell me a story."},
  {"role": "assistant", "content": "Sure, let me tell you a story about the Romance of the Three Kingdoms. Do you<ims_agent_interrupted> want to listen?"},
  {"role": "user", "content": "Let's change to another one."}
]

ID model manusia digital.

Apakah akan mendukung interupsi suara. Nilai default: true.

Kebijakan pemrosesan ASR dalam mode .

• cache: Meng-cache teks ASR. Setelah giliran saat ini berakhir, teks ASR yang di-cache akan diproses bersama pada giliran berikutnya.

• discard: Membuang teks ASR secara langsung.

Kebijakan default adalah meng-cache teks ASR.

Apakah akan mempertahankan kata interupsi saat mengirim teks ke LLM. Nilai default: discard.

Apakah akan mengaktifkan pengenalan voiceprint. Nilai default: false. Saat pengenalan voiceprint diaktifkan, ID voiceprint yang valid harus diteruskan.

ID identitas unik untuk pengenalan voiceprint. Nilai default: empty. ID voiceprint yang diteruskan harus telah terdaftar melalui API pendaftaran voiceprint. Untuk dokumentasi API, lihat Register voiceprint.

Mode pendaftaran voiceprint. Nilai default: Explicit.

Mode deteksi giliran.

• Normal (default): Mode normal. AI tidak digunakan untuk menentukan semantik.

• Semantic: Mode semantik. AI digunakan untuk menentukan apakah pengguna telah selesai berbicara berdasarkan semantik konteks.

Waktu penentuan jeda dalam mode AI. Unit: milliseconds. Nilai default: -1.

• -1: AI menentukan waktu tunggu yang sesuai secara otomatis.

• 0 hingga 10000: Waktu tunggu kustom. Kami menyarankan Anda mengaturnya ke 0 hingga 1500 milidetik.

Tingkat eagerness. Parameter ini hanya berlaku dalam mode Semantic. Parameter ini mengontrol kecepatan tanggapan setelah AI mendeteksi jeda:

• "Low": Menunggu dengan sabar. Waktu tunggu maksimum adalah 6 detik, yang mengurangi risiko terinterupsi.

• "Medium": Menunggu seimbang. Waktu tunggu maksimum adalah 4 detik, yang cocok untuk sebagian besar skenario.

• "High": Respons cepat. Waktu tunggu maksimum adalah 2 detik, yang meningkatkan kecepatan tetapi dapat meningkatkan risiko pemotongan palsu.

Nilai default: empty.

ID suara latar untuk panggilan. Anda dapat memperoleh ID ini di pengaturan lanjutan konfigurasi agen di konsol.

Volume suara latar untuk panggilan. Nilai valid: 0 hingga 100. Nilai 0 menunjukkan bahwa suara latar dinonaktifkan.