:AIAgentConfig

ASR の言語 ID です。有効値：

• zh_mandarin：中国語

• en：英語

• zh_en：中国語と英語

• es：スペイン語

• jp：日本語

文分割のための無音検出のしきい値です。この持続時間より長い無音期間は、文の区切りをトリガーします。単位：ミリ秒。有効値：200～1200。デフォルト：400。

割り込みに対する音声区間検出 (VAD) の感度をコントロールします。値が高いほど、エージェントへの割り込みが難しくなります。有効値：0～11。デフォルト：11。

• 0：VAD を無効にします。

• 1～10：割り込みの感度を調整します。

• 11：耐ノイズ性が向上し、音質への影響が少ない拡張モードです。

カスタム ASR 統合のためのパススルーパラメータを指定します。

割り込みをトリガーするために必要な音声アクティビティの最小持続時間 (ミリ秒単位) です。これは割り込み感度の制御に役立ちます。値 0 はこの特徴量を無効にします。有効値：200～2000。一般的な設定は 200～500 で、これは 1～4 単語に相当します。デフォルトでは、このパラメーターは設定されておらず、特徴量はアクティブではありません。

合成に使用する音声の ID です。変更は次の発話で有効になります。指定しない場合、エージェントはテンプレートのデフォルト音声を使用します。このパラメーターは、プリセットの TTS 音声にのみ適用されます。最大長：64 文字。利用可能な値については、「音声デモ」をご参照ください。

モデル ID を指定します。現在、minimax モデルのみがサポートされています。有効値：speech-01-turbo および speech-02-turbo。

言語 ID を指定します。現在、minimax モデルのみがサポートされています。デフォルトでは、このパラメーターは空です。このパラメーターを設定すると、指定した言語または方言のパフォーマンスが向上します。言語が不明な場合は、値を "auto" に設定して自動検出を有効にします。サポートされている値は次のとおりです：

合成音声の感情を指定します。現在、minimax モデルのみがこの特徴量をサポートしています。有効値：

• happy

• sad

• angry

• fearful

• disgusted

• surprised

• calm

話速です。すべてのプラットフォームでサポートされています。

LLM/MLLM 履歴に保持する会話ターンの最大数です。デフォルト：10。

呼び出し開始時の LLM のシステムプロンプトです。

Alibaba Cloud Model Studio (Bailian) アプリケーションのパラメーターで、JSON 文字列としてフォーマットされます。パラメーターフォーマットの詳細については、 Alibaba Cloud Model Studio (Bailian) アプリケーションパラメーターをご参照ください。

OpenAI 互換 LLM の追加のクエリパラメーターです。パラメーターは key=value フォーマットである必要があり、複数のパラメーターは & で区切られます。すべての値は文字列である必要があります。

有効にすると、AI エージェントは完全なレスポンスが生成された後、完全な LLM の結果をクライアントに送信します。この設定は字幕のストリーミングには影響しません。

テキスト出力チャンクの最小文字長です。この値より短いテキストはバッファリングされます。有効値：0～100。値 0 または空の値 (デフォルト) はこの制限を無効にします。

バッファリングされたテキストが強制的に送信されるまでの最大遅延時間 (ミリ秒単位) です。有効値：1000～10000。値 0 または空の値 (デフォルト) はこの制限を無効にします。

LLM メッセージ履歴を TTS によって再生されたコンテンツと同期するかどうかを指定します。デフォルト：false。有効にすると、保存された履歴は、割り込みを含め、TTS によって再生された正確なコンテンツを反映します。

[
  {"role": "user", "content": "物語を教えてください。"},
  {"role": "assistant", "content": "はい、三国志の物語をお話しできます。お聞きになり<ims_agent_interrupted>ますか？"},
  {"role": "user", "content": "別のものはどうですか？"}
]

アバターのモデル ID です。

音声割り込みを許可するかどうかを指定します。デフォルト：true。

割り込みが無効になっている場合の ASR 処理ポリシーです。

• cache：ASR テキストをキャッシュします。システムは次のターンでキャッシュされたテキストを処理します。

• discard：ASR テキストをすぐに破棄します。

デフォルトでは、ASR テキストはキャッシュされます。

LLM に送信されるテキストに割り込みキーワードを含めるかどうかを指定します。デフォルト：false。

声紋認識を有効にするかどうかを指定します。デフォルト：false。この特徴量を有効にする場合は、有効な声紋 ID を提供する必要があります。

声紋認識のための一意の ID です。デフォルトでは、これは設定されていません。提供された声紋 ID を登録する必要があります。詳細については、「声紋の登録」をご参照ください。

ターン検出のモードです。

• Normal (デフォルト)：AI を使用して意味的な完全性を判断しません。

• Semantic：AI を使用して、意味的なコンテキストに基づいてユーザーが話し終えたかどうかを判断します。

AI モードでのポーズ検出時間です。単位：ミリ秒。デフォルト：-1。

• -1：AI が適切な待機時間を自動的に決定します。

• 0-10000：カスタムの待機時間。0～1500 ms の値を推奨します。

ポーズを検出した後に AI がどれだけ迅速に応答するかを制御します。このパラメーターは Semantic モードでのみ有効です。

• Low：忍耐強く待機します。AI は最大 6 秒間待機し、割り込みのリスクを低減します。

• Medium：バランスの取れた待機。AI は最大 4 秒間待機します。ほとんどのシナリオに適しています。

• High：迅速な応答。AI は最大 2 秒間待機します。これにより応答性が向上しますが、誤って会話が途切れるリスクも高まる可能性があります。

デフォルトでは、このパラメーターは設定されていません。

環境音の ID です。この ID は、コンソールのエージェント設定の詳細設定セクションから取得できます。

環境音のボリュームです。有効値：0～100。値 0 は音を無効にします。