Intelligent Media Services：AIAgentConfig

asr 語種 Id。 可選：

• zh_mandarin 中文

• en 英文

• zh_en 中英混

• es 西班牙語

• jp 日語

語音斷句檢測閾值，靜音時長超過該閾值會被認為斷句，參數範圍 200ms～1200ms，預設值 400ms。

打斷閾值參數。取值範圍：[0,11], 預設值：11。

• 0 表示關閉 vad 功能。

• 1-10 設定數字越高表示越難打斷。

• 11 與之前顯著不同，前處理對話音損傷更低，抗干擾更強。

asr 自研接入透傳參數。

語音活動檢測的最短持續時間閾值，用於控制打斷的靈敏度。0 表示關閉此功能。有效範圍：200 到 2000 毫秒。常用[200,500] 對應 1-4 個字。預設為空，不生效。

音色 ID，修改後下句話生效。不填寫則使用智能體範本配置的音色 ID。僅針對預置 TTS 生效。輸入長度不超過 64。可選值參考：智能語音效果範例。

當前僅支援 minimax，可選值： speech-01-turbo / speech-02-turbo

目前僅支援 minimax，預設為空。增強對指定的小語種和方言的識別能力，設定後可以提升在指定小語種/方言場景下的語音表現。若不明確小語種類型，則可選擇「auto」，模型將自主判斷小語種類型。支援以下取值：

當前僅支援 minimax，minimax 當前支援 7 種情緒：

• happy：高興

• sad：悲傷

• angry：憤怒

• fearful：害怕

• disgusted：厭惡

• surprised：驚訝

• calm：中性

支援全平台。 cosyvoice 預設 1.0，取值範圍：0.5-2.0。 minimax 預設 1.0， 取值範圍: 0.5-2.0。

llm/mllm 歷史對話上下文最大保留輪次，預設 10 次。

啟動通話後 llm 的系統提示詞。

阿里雲百煉應用中心參數，類型為 JSON 字串。參數格式參考： 阿里雲百煉應用中心參數

額外的 OpenAI 協定 LLM 的查詢參數, 參數必須使用 key=value 格式,多個參數用 & 連接,所有值必須為字串類型。

開啟後，llm 回覆完整結果之後，智能體會向用戶端發送完整 llm 結果。此開關不影響字幕的串流生成。

文字輸出最小長度（字元數），小於該長度的文字會被快取等待拼接，範圍[0, 100]，0 或空表示不限制，預設空。

文字輸出最大延遲時間（毫秒），超過該時間強制輸出已快取文字。範圍[1000,10000]，0 或空表示不限制，預設空。

大型模型訊息歷史，是否和 TTS 播放內容保持一致。預設 false。開啟後，儲存的大型模型訊息和 TTS 播放內容保持一致。

[
  {"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 hear a different one."}
]

數位人的模型 id。

是否支援語音打斷，預設 true。

模式下的 ASR 處理策略。

• cache: 快取 ASR 文字，目前輪次結束後，被快取的 ASR 文字會在下一個輪次一起被處理。

• discard: 直接丟棄 ASR 文字。

預設處理為快取 ASR 文字。

是否保留打斷詞送 LLM，預設丟棄。

是否使用聲紋識別的開關。預設值：false。開啟聲紋時需要傳入合法的聲紋 Id。

聲紋識別的唯一身分 ID。預設值：不填。傳入的聲紋 id 必須已經透過聲紋註冊介面註冊，介面文件參考：註冊人聲聲紋

聲紋註冊模式。 預設值：Explicit

輪次檢測的模式。

• Normal（預設值）：普通模式，不使用 AI 判斷語意；

• Semantic：用 AI 根據上下文語意，判斷是否說完話了。

AI 模式下的停頓判定時間，單位:毫秒，預設值-1。

• -1: AI 自動判斷合適的等待時間。

• 0-10000: 自訂等待時間，建議設定在 0-1500ms。

僅在 Semantic 模式下生效。控制 AI 檢測到停頓後，啟動回應的快慢程度：

• 「Low」：耐心等待，最長等待時間 6 秒，減少被打斷風險。

• 「Medium」：平衡等待（最長等待時間 4 秒），適用大多數場景。

• 「High」：快速回應（最長等待時間 2 秒），提升速度但可能增加誤切風險。

欄位預設空。

通話環境音 ID，可以在控制台上智能體配置的進階配置中取得。

通話背景音的音量，可選值：[0, 100]，0 表示關閉。