AIAgentOutboundCallConfig Speech & LLM 動作制御 - IMS - Alibaba Cloud - Intelligent Media Services

パラメーター	タイプ	説明	例
	object	エージェントテンプレートのパラメーター。
Greeting	string	挨拶メッセージ。変更は次のセッションで有効になります。デフォルト値: なし。	hello
EnableIntelligentSegment	boolean	インテリジェントセグメンテーションを有効にするかどうかを指定します。この特徴を有効にすると、ユーザーが話した断片的な文がインテリジェントに 1 つの文に結合されます。デフォルト値: true。	true
AsrConfig	object	音声認識の構成。
AsrMaxSilence	integer	音声セグメンテーションのサイレンス持続時間のしきい値。サイレンス持続時間がこのしきい値を超えると、音声がセグメント化されたとみなされます。有効な値: 200～1200。単位: ミリ秒。デフォルト値: 400。	400
AsrLanguageId	string	自動音声認識 (ASR) の言語 ID。有効な値: zh_mandarin: 中国語 en: 英語 zh_en: 中国語と英語の混合 es: スペイン語 jp: 日本語	zh_mandarin
AsrHotWords	array	ASR ホットワードのリスト。リストでは最大 128 個のホットワードがサポートされています。
	string	ホットワード文字列。長さ: 1～10 文字。	check
VadLevel	integer	割り込みしきい値パラメーター。有効な値: 0～11。デフォルト値: 11。 0: 音声活動検出 (VAD) 特徴を無効にします。 1～10: 値が大きいほど、音声を割り込むことが難しくなります。 11: 以前の値とは大きく異なります。前処理中の会話音声へのダメージが少なく、より強力な干渉防止機能を提供します。	11
CustomParams	string	独自 ASR 統合用のパススルーパラメーター。	mode=fast&sample=16000&format=wav
VadDuration	integer	音声活動検出の最小値の持続時間しきい値。割り込みの秘密度をコントロールするために使用されます。値 0 はこの特徴を無効にします。有効な値: 200～2000。単位: ミリ秒。一般的な値: 200～500 (1～4 文字に相当)。デフォルト値: 空。空のままの場合、このパラメーターは効果がありません。	300
LlmConfig	object	large 言語モデル (LLM) の構成。
LlmHistoryLimit	integer	LLM またはマルチモーダル LLM (MLLM) の会話履歴コンテキストで保持されるターンの最大数。デフォルト値: 10。	10
LlmHistory	array	LLM または MLLM の会話履歴コンテキスト。
	object	単一の会話。
Role	string	会話参加者のロール。有効な値: user: ユーザー assistant: アシスタント system: システム function: 関数 plugin: プラグイン tool: ツール	user
Content	string	会話の実際のテキストコンテンツ。会話におけるロールの具体的な式または応答を記録します。	hello
LlmSystemPrompt	string	呼び出しが開始された後の LLM のシステムプロンプト。	You are a friendly and helpful assistant, focused on providing users with accurate information and advice.
BailianAppParams	string	Alibaba Cloud Model Studio アプリケーションセンターのパラメーター。パラメーターフォーマットについては、Alibaba Cloud Model Studio アプリケーションセンターのパラメーターを参照してください。	"{\"biz_params\":{\"user_defined_params\":{\"your_plugin_id\":{\"article_index\":2}}},\"memory_id\":\"your_memory_id\",\"image_list\":[\"https://your_image_url\"],\"rag_options\":{\"pipeline_ids\":[\"your_id\"],\"file_ids\":[\"DocumentID1\",\"DocumentID2\"],\"metadata_filter\":{\"name\":\"ZhangSan\"},\"structured_filter\":{\"key1\":\"value1\",\"key2\":\"value2\"},\"tags\":[\"Tag1\",\"Tag2\"]}}"
OpenAIExtraQuery	string	OpenAI 互換 LLM の追加クエリパラメーター。パラメーターはキー=値フォーマットである必要があります。複数のパラメーターはアンパサンド (&) で接続します。すべての値は文字列型である必要があります。	api-version=2024-02-01&api-key=sk-xxx
LlmCompleteReply	boolean	この特徴を有効にすると、LLM が結果を生成した後、完全な LLM 結果がクライアントに送信されます。	true
FunctionMap	array	関数マッピングのリスト。エージェント機能を LLM 関数にマップするために使用されます。現在、ユーザー定義の OpenAI 互換 LLM を使用した関数呼び出しのみがサポートされています。
	object	単一のマッピングルール。
Function	string	Alibaba Cloud エージェントシステムが提供する組み込み特徴の名前。現在、一部サービス停止のみがサポートされています。	hangup
MatchFunction	string	特徴に対応する LLM 関数の名前。この名前はユーザーがカスタマイズし、LLM で対応する特徴を呼び出しするために使用されます。ユーザー定義の LLM プロトコルについては、標準 LLM API を参照してください。	hangup
OutputMinLength	integer	テキスト出力の最小値。この長さより短いテキストはキャッシュされ、結合されるのを待ちます。有効な値: 0～100。値 0 または空は制限なしを示します。デフォルト値: 空。	5
OutputMaxDelay	string	テキスト出力の最大値の遅延時間 (ミリ秒)。この時間を超えると、キャッシュされたテキストが強制的に出力されます。有効な値: 1000～10000。値 0 または空は制限なしを示します。デフォルト値: 空。	2000
HistorySyncWithTTS	boolean	LLM メッセージ履歴がテキスト読み上げ (TTS) 再生コンテンツと一致しているかどうかを指定します。デフォルト値: false。この特徴を有効にすると、保存された LLM メッセージが TTS 再生コンテンツと一致します。	false
TtsConfig	object	音声合成の構成。
VoiceId	string	音声 ID。変更は次の文で有効になります。このパラメーターが指定されていない場合、エージェントテンプレートで構成された音声 ID が使用されます。このパラメーターは、プリセット TTS に対してのみ有効です。入力長は 64 文字を超えることはできません。有効な値については、インテリジェント音声効果の例を参照してください。	longcheng_v2
VoiceIdList	array	利用可能な音声のリスト。
	string	音声。	zhixiaoxia
PronunciationRules	array	TTS 発音ルール。配列の長さは 20 を超えることはできません。ルールはシーケンスで実行されます。
	object	TTS 発音ルール。
Word	string	置換される単語。長さは 10 文字未満である必要があります。漢字で構成され、スペースを含めることはできません。	Dashi Lane
Pronunciation	string	対象の発音。長さは 10 文字未満である必要があります。漢字で構成され、スペースを含めることはできません。	Dashi Lane
Type	string	特定の発音ルールタイプ。有効な値: replacement: 単語を発音で直接置換するルール。	replacement
ModelId	string	モデル ID。現在、ミニマックス法のみがサポートされています。有効な値: speech-01-turbo および speech-02-turbo。	speech-01-turbo
LanguageId	string	言語 ID。現在、ミニマックス法のみがサポートされています。デフォルト値: 空。このパラメーターは、指定された少数民族言語および方言の認識機能を強化します。このパラメーターがセットされた後、指定された少数民族言語または方言のシナリオにおける音声パフォーマンスが向上します。少数民族言語のタイプが不明な場合は、このパラメーターを auto に設定でき、モデルが少数民族言語のタイプを自動的に判断します。有効な値: サポートされている言語のまとめ Chinese: 中国語 Chinese,Yue: 広東語 English: 英語 Arabic: アラビア語 Russian: ロシア語 Spanish: スペイン語 French: フランス語 Portuguese: ポルトガル語 German: ドイツ語 Turkish: トルコ語 Dutch: オランダ語 Ukrainian: ウクライナ語 Vietnamese: ベトナム語 Indonesian: インドネシア語 Japanese: 日本語 Italian: イタリア語 Korean: 韓国語 Thai: タイ語 Polish: ポーランド語 Romanian: ルーマニア語 Greek: ギリシャ語 Czech: チェコ語 Finnish: フィンランド語 Hindi: ヒンディー語 auto: 自動検出	Chinese
Emotion	string	感情。現在、ミニマックス法のみがサポートされています。ミニマックス法は次の 7 つの感情をサポートしています: happy: 喜び sad: 悲しみ angry: 怒り fearful: 恐れ disgusted: 嫌悪 surprised: 驚き calm: 中立	happy
SpeechRate	number	音声レート。このパラメーターはすべてのプラットフォームでサポートされています。CosyVoice の場合、デフォルト値は 1.0 で、有効な値は 0.5～2.0 です。ミニマックス法の場合、デフォルト値は 1.0 で、有効な値は 0.5～2.0 です。	1.0
InterruptConfig	object	音声割り込みポリシーの構成。
EnableVoiceInterrupt	boolean	音声割り込みをサポートするかどうかを指定します。デフォルト値: true。	true
InterruptWords	array	会話の割り込みをトリガーする特定の単語またはフレーズ。
	string	会話の割り込みをトリガーする特定の単語またはフレーズ。	Just a moment
Eagerness	string
NoInterruptMode	string	割り込みなしモードでの ASR 処理ポリシー。有効な値: cache: ASR テキストをキャッシュします。現在のターンが終了した後、キャッシュされた ASR テキストは次のターンで一緒に処理されます。 discard: ASR テキストを直接破棄します。デフォルト値: cache。	cache
KeepInterruptWordsForLLM	boolean	割り込み単語を保持して LLM に送信するかどうかを指定します。デフォルト値: discard。説明例: 割り込み単語が "wait" の場合、"wait how is the weather today" というフレーズは、割り込み単語が破棄されて LLM に送信された後、"how is the weather today" になります。	true
TurnDetectionConfig	object	会話ターン検出の構成。
TurnEndWords	array	ユーザーターンの終了を判断するために使用されるキーワードのリスト。
	string	ユーザーターンの終了を判断するために使用されるキーワード。	I'm done talking
Mode	string	ターン検出モード。有効な値: Normal: Normal モード。セマンティクスの判断に AI を使用しません。 Semantic: コンテキストのセマンティクスに基づいて、ユーザーの発言が終了したかどうかを AI が判断します。デフォルト値: Normal。	Semantic
SemanticWaitDuration	integer	AI モードでの一時停止判断時間。単位: ミリ秒。デフォルト値: -1。 -1: AI が適切な待機時間を自動的に判断します。 0～10000: カスタム待機時間。この値を 0～1500 にセットすることをお勧めします。注: このパラメーターは Normal モードでは無効です。	-1
Eagerness	string	積極性レベル。このパラメーターは Semantic モードでのみ効果があります。一時停止を検出した後、AI が応答を開始する速度をコントロールします。有効な値: Low: 割り込まれるリスクを減らすため、最大値 6 秒の待機時間で辛抱強く待機します。 Medium: 最大値 4 秒の待機時間で待機と応答のバランスを取ります。この値はほとんどのシナリオに適しています。 High: 最大値 2 秒の待機時間で迅速に応答します。この値は速度を向上させますが、誤った切断のリスクが高まる可能性があります。デフォルト値: 空。	Low
GreetingDelay	integer	挨拶メッセージの遅延時間。単位: ミリ秒。デフォルト値: 0。有効な値: 0～5000。	0
AmbientSoundConfig	object	呼び出し用の環境音構成。
ResourceId	string	呼び出し用の環境音の ID。この ID は、コンソールのエージェント構成の高度な構成で取得できます。	f67901c595834************
Volume	integer	呼び出し用のバックグラウンドサウンドのボリューム。有効な値: 0～100。値 0 はバックグラウンドサウンドが無効であることを示します。	50
ExperimentalConfig	string	実験的特徴のパラメーター。ご要望がある場合は、テクニカルサポートにお問い合わせください。	""
AutoSpeechConfig	object	エージェントの自動音声構成モジュール。LLM 待機プロンプトおよびユーザーの長時間サイレンス時の問い合わせを含みます。
UserIdle	object	ユーザーが長時間サイレンス状態の場合の問い合わせブロードキャスト構成。
WaitTime	integer	サイレンス持続時間のしきい値。単位: ミリ秒。このパラメーターは必須です。サイレンス持続時間がこのしきい値を超えると、問い合わせがトリガーされます。有効な値: 5000～600000。	5000
MaxRepeats	integer	問い合わせの最大数。有効な値: 0～10。このパラメーターは必須です。この数を超えると、それ以上の問い合わせはトリガーされず、呼び出しは直接閉じられます。	5
Messages	array	問い合わせプロンプトのコレクション。最大 10 個のプロンプトがサポートされています。各プロンプトの長さは 100 文字を超えることはできません。確率の合計は 100% である必要があります。
	object	問い合わせプロンプトの構造。
Text	string	問い合わせプロンプトのテキスト。最大値は 100 文字です。	Are you still there?
Probability	number	プロンプトの選択確率。有効な値: 0～1 (0%～100% に相当)。	0.5
HangupEndWord	string	一部サービス停止時の終了ワード。ユーザーが長時間応答しない場合に、呼び出しが一部サービス停止される前にブロードキャストされます。最大値は 200 文字です。	I’m hanging up, goodbye.
LlmPending	object	LLM の応答が遅延している場合のブロードキャスト構成。
WaitTime	integer	LLM 応答の待機時間しきい値。この時間を超えると、ブロードキャストプロンプトがトリガーされます。このパラメーターは必須です。単位: ミリ秒。有効な値: 500～10000。LLM の実際の使用量に基づいてこのパラメーターを設定します。	3000
Mode	string
Messages	array	問い合わせプロンプトのコレクション。最大 10 個のプロンプトがサポートされています。各プロンプトの長さは 100 文字を超えることはできません。確率の合計は 100% である必要があります。
	object	問い合わせプロンプトの構造。
Text	string	問い合わせプロンプトのテキスト。最大値は 100 文字です。	Just a moment
Probability	number	プロンプトの選択確率。有効な値: 0～1 (0%～100% に相当)。	0.5
MaxIdleTime	integer	エージェントとの対話がない場合の最大値の待機時間。この時間を超えると、エージェントはオフラインになります。単位: 秒。デフォルト値: 600。	600
BackChannelingConfig	object	[非推奨] 代わりに BackChannelingConfigs を使用してください。
Enabled	boolean
TriggerStage	string
Probability	number
Words	object
Text	string
Probability	number
BackChannelingConfigs	array	バックチャネリング特徴構成モジュール。この特徴を有効にすると、システムは特定のトリガータイミングで短いバックチャネリングワードをランダムにブロードキャストします。
	object	単一のバックチャネリング構成。
Enabled	boolean	バックチャネリング特徴を有効にするかどうかを指定します。このパラメーターは必須です。有効な値: true および false。	true
TriggerStage	string	バックチャネリングのトリガータイミング。有効な値: pause_detected: 音声の短い一時停止が検出されました。	pause_detected
Probability	number	特徴のトリガー確率。有効な値: 0.0～1.0。このパラメーターは必須です。	0.5
Words	array	バックチャネリングフレーズのコレクション。最大 10 個のフレーズがサポートされています。各フレーズの長さは 20 文字を超えることはできません。確率の合計は 1.0 である必要があります。
	object	バックチャネリングフレーズの構成。
Text	string	フレーズのテキスト。長さの最大値は 20 文字です。複数の言語がサポートされています。必須。	ok
Probability	number	フレーズのトリガー確率。有効な値: 0.0 ～ 1.0。必須。	0.3

object

エージェントテンプレートのパラメーター。

Greeting

string

挨拶メッセージ。変更は次のセッションで有効になります。デフォルト値: なし。

hello

EnableIntelligentSegment

boolean

インテリジェントセグメンテーションを有効にするかどうかを指定します。この特徴を有効にすると、ユーザーが話した断片的な文がインテリジェントに 1 つの文に結合されます。デフォルト値: true。

true

AsrConfig

object

音声認識の構成。

AsrMaxSilence

integer

音声セグメンテーションのサイレンス持続時間のしきい値。サイレンス持続時間がこのしきい値を超えると、音声がセグメント化されたとみなされます。有効な値: 200～1200。単位: ミリ秒。デフォルト値: 400。

400

AsrLanguageId

string

自動音声認識 (ASR) の言語 ID。有効な値:

zh_mandarin: 中国語
en: 英語
zh_en: 中国語と英語の混合
es: スペイン語
jp: 日本語

zh_mandarin

AsrHotWords

array

ASR ホットワードのリスト。リストでは最大 128 個のホットワードがサポートされています。

string

ホットワード文字列。長さ: 1～10 文字。

check

VadLevel

integer

割り込みしきい値パラメーター。有効な値: 0～11。デフォルト値: 11。

0: 音声活動検出 (VAD) 特徴を無効にします。
1～10: 値が大きいほど、音声を割り込むことが難しくなります。
11: 以前の値とは大きく異なります。前処理中の会話音声へのダメージが少なく、より強力な干渉防止機能を提供します。

11

CustomParams

string

独自 ASR 統合用のパススルーパラメーター。

mode=fast&sample=16000&format=wav

VadDuration

integer

音声活動検出の最小値の持続時間しきい値。割り込みの秘密度をコントロールするために使用されます。値 0 はこの特徴を無効にします。有効な値: 200～2000。単位: ミリ秒。一般的な値: 200～500 (1～4 文字に相当)。デフォルト値: 空。空のままの場合、このパラメーターは効果がありません。

300

LlmConfig

object

large 言語モデル (LLM) の構成。

LlmHistoryLimit

integer

LLM またはマルチモーダル LLM (MLLM) の会話履歴コンテキストで保持されるターンの最大数。デフォルト値: 10。

10

LlmHistory

array

LLM または MLLM の会話履歴コンテキスト。

object

単一の会話。

Role

string

会話参加者のロール。有効な値:

user: ユーザー
assistant: アシスタント
system: システム
function: 関数
plugin: プラグイン
tool: ツール

user

Content

string

会話の実際のテキストコンテンツ。会話におけるロールの具体的な式または応答を記録します。

hello

LlmSystemPrompt

string

呼び出しが開始された後の LLM のシステムプロンプト。

You are a friendly and helpful assistant, focused on providing users with accurate information and advice.

BailianAppParams

string

Alibaba Cloud Model Studio アプリケーションセンターのパラメーター。パラメーターフォーマットについては、Alibaba Cloud Model Studio アプリケーションセンターのパラメーターを参照してください。

"{\"biz_params\":{\"user_defined_params\":{\"your_plugin_id\":{\"article_index\":2}}},\"memory_id\":\"your_memory_id\",\"image_list\":[\"https://your_image_url\"],\"rag_options\":{\"pipeline_ids\":[\"your_id\"],\"file_ids\":[\"DocumentID1\",\"DocumentID2\"],\"metadata_filter\":{\"name\":\"ZhangSan\"},\"structured_filter\":{\"key1\":\"value1\",\"key2\":\"value2\"},\"tags\":[\"Tag1\",\"Tag2\"]}}"

OpenAIExtraQuery

string

OpenAI 互換 LLM の追加クエリパラメーター。パラメーターはキー=値フォーマットである必要があります。複数のパラメーターはアンパサンド (&) で接続します。すべての値は文字列型である必要があります。

api-version=2024-02-01&api-key=sk-xxx

LlmCompleteReply

boolean

この特徴を有効にすると、LLM が結果を生成した後、完全な LLM 結果がクライアントに送信されます。

true

FunctionMap

array

関数マッピングのリスト。エージェント機能を LLM 関数にマップするために使用されます。現在、ユーザー定義の OpenAI 互換 LLM を使用した関数呼び出しのみがサポートされています。

object

単一のマッピングルール。

Function

string

Alibaba Cloud エージェントシステムが提供する組み込み特徴の名前。現在、一部サービス停止のみがサポートされています。

hangup

MatchFunction

string

特徴に対応する LLM 関数の名前。この名前はユーザーがカスタマイズし、LLM で対応する特徴を呼び出しするために使用されます。ユーザー定義の LLM プロトコルについては、標準 LLM API を参照してください。

hangup

OutputMinLength

integer

テキスト出力の最小値。この長さより短いテキストはキャッシュされ、結合されるのを待ちます。有効な値: 0～100。値 0 または空は制限なしを示します。デフォルト値: 空。

5

OutputMaxDelay

string

テキスト出力の最大値の遅延時間 (ミリ秒)。この時間を超えると、キャッシュされたテキストが強制的に出力されます。有効な値: 1000～10000。値 0 または空は制限なしを示します。デフォルト値: 空。

2000

HistorySyncWithTTS

boolean

LLM メッセージ履歴がテキスト読み上げ (TTS) 再生コンテンツと一致しているかどうかを指定します。デフォルト値: false。この特徴を有効にすると、保存された LLM メッセージが TTS 再生コンテンツと一致します。

false

TtsConfig

object

音声合成の構成。

VoiceId

string

音声 ID。変更は次の文で有効になります。このパラメーターが指定されていない場合、エージェントテンプレートで構成された音声 ID が使用されます。このパラメーターは、プリセット TTS に対してのみ有効です。入力長は 64 文字を超えることはできません。有効な値については、インテリジェント音声効果の例を参照してください。

longcheng_v2

VoiceIdList

array

利用可能な音声のリスト。

string

音声。

zhixiaoxia

PronunciationRules

array

TTS 発音ルール。配列の長さは 20 を超えることはできません。ルールはシーケンスで実行されます。

object

TTS 発音ルール。

Word

string

置換される単語。長さは 10 文字未満である必要があります。漢字で構成され、スペースを含めることはできません。

Dashi Lane

Pronunciation

string

対象の発音。長さは 10 文字未満である必要があります。漢字で構成され、スペースを含めることはできません。

Dashi Lane

Type

string

特定の発音ルールタイプ。有効な値:

replacement: 単語を発音で直接置換するルール。

replacement

ModelId

string

モデル ID。現在、ミニマックス法のみがサポートされています。有効な値: speech-01-turbo および speech-02-turbo。

speech-01-turbo

LanguageId

string

言語 ID。現在、ミニマックス法のみがサポートされています。デフォルト値: 空。このパラメーターは、指定された少数民族言語および方言の認識機能を強化します。このパラメーターがセットされた後、指定された少数民族言語または方言のシナリオにおける音声パフォーマンスが向上します。少数民族言語のタイプが不明な場合は、このパラメーターを auto に設定でき、モデルが少数民族言語のタイプを自動的に判断します。有効な値:

サポートされている言語のまとめ

Chinese: 中国語
Chinese,Yue: 広東語
English: 英語
Arabic: アラビア語
Russian: ロシア語
Spanish: スペイン語
French: フランス語
Portuguese: ポルトガル語
German: ドイツ語
Turkish: トルコ語
Dutch: オランダ語
Ukrainian: ウクライナ語
Vietnamese: ベトナム語
Indonesian: インドネシア語
Japanese: 日本語
Italian: イタリア語
Korean: 韓国語
Thai: タイ語
Polish: ポーランド語
Romanian: ルーマニア語
Greek: ギリシャ語
Czech: チェコ語
Finnish: フィンランド語
Hindi: ヒンディー語
auto: 自動検出

Chinese

Emotion

string

感情。現在、ミニマックス法のみがサポートされています。ミニマックス法は次の 7 つの感情をサポートしています:

happy: 喜び
sad: 悲しみ
angry: 怒り
fearful: 恐れ
disgusted: 嫌悪
surprised: 驚き
calm: 中立

happy

SpeechRate

number

音声レート。このパラメーターはすべてのプラットフォームでサポートされています。CosyVoice の場合、デフォルト値は 1.0 で、有効な値は 0.5～2.0 です。ミニマックス法の場合、デフォルト値は 1.0 で、有効な値は 0.5～2.0 です。

1.0

InterruptConfig

object

音声割り込みポリシーの構成。

EnableVoiceInterrupt

boolean

音声割り込みをサポートするかどうかを指定します。デフォルト値: true。

true

InterruptWords

array

会話の割り込みをトリガーする特定の単語またはフレーズ。

string

会話の割り込みをトリガーする特定の単語またはフレーズ。

Just a moment

Eagerness

string

NoInterruptMode

string

割り込みなしモードでの ASR 処理ポリシー。有効な値:

cache: ASR テキストをキャッシュします。現在のターンが終了した後、キャッシュされた ASR テキストは次のターンで一緒に処理されます。
discard: ASR テキストを直接破棄します。

デフォルト値: cache。

cache

KeepInterruptWordsForLLM

boolean

割り込み単語を保持して LLM に送信するかどうかを指定します。デフォルト値: discard。

説明

例: 割り込み単語が "wait" の場合、"wait how is the weather today" というフレーズは、割り込み単語が破棄されて LLM に送信された後、"how is the weather today" になります。

true

TurnDetectionConfig

object

会話ターン検出の構成。

TurnEndWords

array

ユーザーターンの終了を判断するために使用されるキーワードのリスト。

string

ユーザーターンの終了を判断するために使用されるキーワード。

I'm done talking

Mode

string

ターン検出モード。有効な値:

Normal: Normal モード。セマンティクスの判断に AI を使用しません。
Semantic: コンテキストのセマンティクスに基づいて、ユーザーの発言が終了したかどうかを AI が判断します。

デフォルト値: Normal。

Semantic

SemanticWaitDuration

integer

AI モードでの一時停止判断時間。単位: ミリ秒。デフォルト値: -1。

-1: AI が適切な待機時間を自動的に判断します。
0～10000: カスタム待機時間。この値を 0～1500 にセットすることをお勧めします。

注: このパラメーターは Normal モードでは無効です。

-1

Eagerness

string

積極性レベル。このパラメーターは Semantic モードでのみ効果があります。一時停止を検出した後、AI が応答を開始する速度をコントロールします。有効な値:

Low: 割り込まれるリスクを減らすため、最大値 6 秒の待機時間で辛抱強く待機します。
Medium: 最大値 4 秒の待機時間で待機と応答のバランスを取ります。この値はほとんどのシナリオに適しています。
High: 最大値 2 秒の待機時間で迅速に応答します。この値は速度を向上させますが、誤った切断のリスクが高まる可能性があります。

デフォルト値: 空。

Low

GreetingDelay

integer

挨拶メッセージの遅延時間。単位: ミリ秒。デフォルト値: 0。有効な値: 0～5000。

0

AmbientSoundConfig

object

呼び出し用の環境音構成。

ResourceId

string

呼び出し用の環境音の ID。この ID は、コンソールのエージェント構成の高度な構成で取得できます。

f67901c595834************

Volume

integer

呼び出し用のバックグラウンドサウンドのボリューム。有効な値: 0～100。値 0 はバックグラウンドサウンドが無効であることを示します。

50

ExperimentalConfig

string

実験的特徴のパラメーター。ご要望がある場合は、テクニカルサポートにお問い合わせください。

""

AutoSpeechConfig

object

エージェントの自動音声構成モジュール。LLM 待機プロンプトおよびユーザーの長時間サイレンス時の問い合わせを含みます。

UserIdle

object

ユーザーが長時間サイレンス状態の場合の問い合わせブロードキャスト構成。

WaitTime

integer

サイレンス持続時間のしきい値。単位: ミリ秒。このパラメーターは必須です。サイレンス持続時間がこのしきい値を超えると、問い合わせがトリガーされます。有効な値: 5000～600000。

5000

MaxRepeats

integer

問い合わせの最大数。有効な値: 0～10。このパラメーターは必須です。この数を超えると、それ以上の問い合わせはトリガーされず、呼び出しは直接閉じられます。

5

Messages

array

問い合わせプロンプトのコレクション。最大 10 個のプロンプトがサポートされています。各プロンプトの長さは 100 文字を超えることはできません。確率の合計は 100% である必要があります。

object

問い合わせプロンプトの構造。

Text

string

問い合わせプロンプトのテキスト。最大値は 100 文字です。

Are you still there?

Probability

number

プロンプトの選択確率。有効な値: 0～1 (0%～100% に相当)。

0.5

HangupEndWord

string

一部サービス停止時の終了ワード。ユーザーが長時間応答しない場合に、呼び出しが一部サービス停止される前にブロードキャストされます。最大値は 200 文字です。

I’m hanging up, goodbye.

LlmPending

object

LLM の応答が遅延している場合のブロードキャスト構成。

WaitTime

integer

LLM 応答の待機時間しきい値。この時間を超えると、ブロードキャストプロンプトがトリガーされます。このパラメーターは必須です。単位: ミリ秒。有効な値: 500～10000。LLM の実際の使用量に基づいてこのパラメーターを設定します。

3000

Mode

string

Messages

array

問い合わせプロンプトのコレクション。最大 10 個のプロンプトがサポートされています。各プロンプトの長さは 100 文字を超えることはできません。確率の合計は 100% である必要があります。

object

問い合わせプロンプトの構造。

Text

string

問い合わせプロンプトのテキスト。最大値は 100 文字です。

Just a moment

Probability

number

プロンプトの選択確率。有効な値: 0～1 (0%～100% に相当)。

0.5

MaxIdleTime

integer

エージェントとの対話がない場合の最大値の待機時間。この時間を超えると、エージェントはオフラインになります。単位: 秒。デフォルト値: 600。

600

BackChannelingConfig

object

[非推奨] 代わりに BackChannelingConfigs を使用してください。

Enabled

boolean

TriggerStage

string

Probability

number

Words

object

Text

string

Probability

number

BackChannelingConfigs

array

バックチャネリング特徴構成モジュール。この特徴を有効にすると、システムは特定のトリガータイミングで短いバックチャネリングワードをランダムにブロードキャストします。

object

単一のバックチャネリング構成。

Enabled

boolean

バックチャネリング特徴を有効にするかどうかを指定します。このパラメーターは必須です。有効な値: true および false。

true

TriggerStage

string

バックチャネリングのトリガータイミング。有効な値:

pause_detected: 音声の短い一時停止が検出されました。

pause_detected

Probability

number

特徴のトリガー確率。有効な値: 0.0～1.0。このパラメーターは必須です。

0.5

Words

array

バックチャネリングフレーズのコレクション。最大 10 個のフレーズがサポートされています。各フレーズの長さは 20 文字を超えることはできません。確率の合計は 1.0 である必要があります。

object

バックチャネリングフレーズの構成。

Text

string

フレーズのテキスト。長さの最大値は 20 文字です。複数の言語がサポートされています。必須。

ok

Probability

number

フレーズのトリガー確率。有効な値: 0.0 ～ 1.0。必須。

0.3