Intelligent Media Services：訊息對話快速入門

第一步 建立訊息對話工作流程

1. 登入智能媒體服務控制台，單擊创建工作流模板。

2. 選擇消息对话類型工作流程，按需配置工作流程節點資訊。

   說明

   若要實現語音辨識或文本朗讀功能，您必須配置以下節點：

   • 配置STT 语音转文字節點可以實現按鍵語音辨識。

   • 配置TTS 文字转语音節點可以實現文本朗讀。

   STT 语音转文字

   該節點負責將語音輸入轉換成可讀的文字格式，支援多語種識別。

   可選的模型版本包括：系統預置ASR（中英混合情境推薦，識別準確率更高）、Qwen3-ASR-Realtime、Fun-ASR-Realtime、NLS-ASR（延遲更低，追求超低延遲情境推薦）。靜默時間預設值為 400 ms。熱詞和敏感詞上傳檔案要求：TXT格式、500個詞以內、每詞不超過10字元、100KB以內、UTF-8無BOM編碼。

   • 系统预置：系統預置模型支援您選擇語言模型、設定靜默時間以及配置自訂熱詞。

     • 模型：您可以根據您的業務情境，選擇不同的語言模型。

     • 静默时间：當使用者沒有聲音輸入時，智能體的等待時間。

     • 自定义热词：通過配置熱詞可以提高業務領域詞彙識別效果。詳情請參見語音辨識熱詞。

     • 自定义敏感词：配置敏感詞後，語音辨識如果檢測到敏感詞，用戶端字幕將直接進行脫敏處理，並使用“*”進行替換。詳情請參見自訂敏感詞。

   • 三方插件：當前支援選擇訊飛語音辨識。擷取對應參數請前往訊飛即時聽寫。

   TTS 文字转语音

   該節點負責將處理後的文本轉換回語音格式，以便使用者聽到系統的響應。

   配置彈窗中還包含：版本選擇（文字轉語音 2.0 和 文字轉語音 1.0（舊））、音色選擇（如雲峰）、音量設定（範圍 0～100）以及試聽內容輸入地區（上限 200 字），單擊點擊試聽可預覽語音效果。

   您可以選擇適合您應用情境的文字轉語音模型，包括：系统预置模板、自研模板、三方插件。

   • 系統預置模板：包含系统预置TTS、CosyVoice、Qwen3-TTS。

   • 自研模板：您可以通過規範協議將您的自研大模型加入到工作流程當中。詳情請參見TTS標準介面。

   • 三方外掛程式：當前僅支援選擇MiniMax语音模型，該目前有多個版本供您選擇，推薦您使用最新版本。具體詳情，請參見MiniMax語音模型。

   LLM 大语言模型

   基於STT轉換得到的文字輸入，LLM可以使用大型預訓練語言模型來理解和產生自然語言文本。

   在 LLM 大語言模型節點的基礎資訊中，還需配置系統人設（包括角色設定、任務目標、具備的能力及回複的要求與限制，最多 3072 字元）和對話記憶輪數（取值 0–30，增加輪數可保留更多對話上下文資訊，但可能導致大模型處理時間變長）。

   目前AI即時互動支援您接入千問（系統預置）、阿里百鍊平台、阿里通義星塵以及自研接入（OpenAI規範）。

   阿里百鍊平台

   阿里雲的大模型服務平台阿里百鍊是一站式的大模型開發及應用構建平台。選擇對接阿里百鍊平台提供的語言模型和服務時，您可以選擇對接阿里百鍊模型中心或應用中心。

   • 模型中心：進入阿里百鍊模型廣場選擇適合您的模型，複製模型Code擷取作為ModelId。

   • 應用中心：需要先在阿里百鍊大模型服務平台建立智能體應用，完成後，擷取AppId。

   • 進入百鍊API-KEY管理頁面，建立並複製API-Key。

   阿里通義星塵

   阿里通義星塵產品提供定製深度個人化智能體的能力，能夠快速創造一個擁有自己獨特的人設、風格的智能體，結合數字人語音即時互動能力，可以在指定的不同的情境中進行豐富的互動。

   • ModelId：目前阿里通義星塵有xingchen-lite、xingchen-base、xingchen-plus、xingchen-plus-v2、xingchen-max五種模型供您選擇。

   • API-KEY：請前往星塵控制台建立API KEY並擷取。

   自研接入（OpenAI規範）

   AI即時互動也支援接入您自研的大模型，您可以按照OpenAI規範接入您的大模型。

   OpenAI規範：如果您選擇按照OpenAI規範接入，您需要填入以下參數：

   名稱	描述	樣本值
   ModelId	OpenAI標準model欄位，表示模型名稱	abc
   API-KEY	OpenAI標準api_key欄位，表示API鑒權資訊	AUJH-pfnTNMPBm6iWXcJAcWsrscb5KYaLitQhHBLKrI
   目標模型HTTPS地址	OpenAI標準base_url欄位，表示目標服務要求地址	http://www.abc.com

   更多自研LLM接入詳情，請參見LLM標準介面。

3. 單擊保存，完成訊息對話工作流程建立。

第二步 建立訊息對話智能體

1. 登入智能媒體服務控制台，單擊创建智能体。

2. 配置基本資料，綁定訊息對話工作流程。

   設定工作流程類型為訊息對話，從工作流程ID下拉式清單中選擇目標工作流程，並配置互動訊息應用。

3. 建立互动消息应用。

   說明

   訊息對話依賴於互動訊息應用，互動訊息應用作為通訊橋樑，確保對話功能的正常運作。

   在建立應用對話方塊中，選擇地區（如華東2(上海)），填寫應用程式名稱（2~16字元），設定訊息儲存時間長度（預設30天），根據需要開啟回調設定和安全性稽核開關，然後單擊建立。

4. 配置互动消息应用，單擊提交，完成訊息對話智能體建立。

第三步 體驗智能體

訊息對話智能體建立完成後，您可以通過掃描體驗二維碼來進行智能體的體驗。

1. 在控制台產生Demo體驗二維碼。

   在左側導覽列單擊智能體管理，找到目標智能體，在操作列單擊Demo體驗二維碼。在彈出的對話方塊中選擇到期時間（可選1小時、7小時、24小時、3天），然後單擊產生。

2. 請使用DingTalk、微信或瀏覽器掃描二維碼，或將體驗地址複製到瀏覽器中，以體驗H5版本的Demo。

   在Demo體驗二維碼彈窗中，左側為 APP 二維碼，右側為 H5 二維碼。彈窗下方還展示H5體驗地址、體驗Token及到期時間，每項均可單擊右側表徵圖複製。

整合訊息對話智能體

您需要提前準備好以下參數，方便您進行整合。如何將訊息對話智能體整合到您的專案中，請參考訊息對話智能體整合。

• Region ID：智能媒體服務控制台上工作流程、智能體所在地區。您可以在控制台頂部左上方的地區選取器中查看當前所選Region ID。

  地區名稱	Region Id
  華東1（杭州）	cn-hangzhou
  華東2（上海）	cn-shanghai
  華北2（北京）	cn-beijing
  華南1（深圳）	cn-shenzhen
  新加坡	ap-southeast-1

• 互動訊息的AppId和AppKey：

  在智能體管理詳情頁的工作流程配置地區，互動訊息應用欄位中可查看關聯的 AppId。

  在ApsaraVideo for Live控制台的應用管理頁面，單擊目標應用開啟詳情面板，找到AppId和AppKey欄位，單擊旁邊的複製表徵圖擷取對應值。

• AccessKey ID和AccessKey Secret：擷取詳情，請參見建立AccessKey。