typestring(必選) 事件類型，固定為session.update。 sessionobject（可選） 會話配置。 屬性 modalitiesarray（可選） 模型輸出模態設定，可選值：
-
["text"]
僅輸出文本。
-
["text","audio"]（預設值）
輸出文本與音頻。
voicestring（可選） 產生音訊音色。未啟用聲音複刻時，可設定為系統預設音色，可選值參見支援的音色。Qwen3.5-LiveTranslate-Flash-Realtime預設音色為： Tina。Qwen3-LiveTranslate-Flash-Realtime預設音色為： Cherry。
啟用聲音複刻（enable_voice_clone為true）時，voice的取值取決於frequency：當frequency為once或always時，必須設定為default；當frequency為never時，設定為使用者預先複刻的音色 ID。此時不可設定為系統預設音色，否則服務端會返回錯誤。
enable_voice_cloneboolean（可選） 是否啟用聲音複刻。預設值為false。啟用後，模型會基於輸入音頻複刻音色用於翻譯輸出，此時voice不再使用系統預設音色，需設定為default或使用者預先通過聲音複刻API複刻的音色 ID。 voice_clone_optionsobject（可選） 聲音複刻控制參數，僅在enable_voice_clone為true時生效。 屬性 voice_clone_options.frequencystring（可選） 音色複刻頻率，可選值：
-
never
不在服務端進行音色複刻，使用使用者預先複刻好的音色。此時voice需設定為使用者的複刻音色 ID。
-
once
會話開始時基於輸入音頻進行一次音色複刻，後續輸出複用該音色。適合單人演講情境。此時voice需設定為default。
-
always
每次輸出前基於輸入音頻進行即時音色複刻，音色跟隨輸入動態變化。適合多人對話情境。此時voice需設定為default。
sample_rateinteger（可選） 輸入音訊採樣率，單位為Hz。可選值： input_audio_transcriptionobject（可選） 輸入音頻相關配置。 屬性 modelstring（可選） 語音辨識模型，預設值為 qwen3-asr-flash-realtime，ASR 預設啟用。服務端會在翻譯的同時返回輸入音訊語音辨識結果（源語言原文），通過conversation.item.input_audio_transcription.text和conversation.item.input_audio_transcription.completed事件返回。如需關閉 ASR，請將此參數顯式設定為 null。 可選值：qwen3-asr-flash-realtime（預設，啟用 ASR）、null（關閉 ASR）。 languagestring（可選） 翻譯源語種，可選值：支援的語種。預設不填寫，此時模型會自動識別源語種。 input_audio_formatstring（可選） 使用者輸入音頻格式，可選值： output_audio_formatstring（可選） 輸出音頻格式，當前僅支援設為pcm。 turn_detectionobject（可選） 語音活動檢測（VAD，Voice Activity Detection）配置，用於控制語音起止的檢測方式：
- 設為設定物件（預設值）：啟用 VAD 模式。服務端自動檢測語音起止，自動認可音頻緩衝區並觸發翻譯響應，用戶端無需發送
input_audio_buffer.commit事件。
- 設為
null：啟用 Manual 模式。由用戶端通過input_audio_buffer.commit事件手動提交音頻緩衝區，服務端收到後自動開始產生翻譯響應。
屬性 typestring（可選） VAD 類型，固定為server_vad。 thresholdfloat（可選） VAD 檢測靈敏度。值越低，越容易將微弱聲音（包括背景雜音）識別為語音；值越高，需要更清晰、音量更大的語音才能觸發。 取值範圍：[-1.0, 1.0]，預設值為 0.2。 silence_duration_msinteger（可選） 語音結束後需保持靜音的最短時間長度（毫秒）。超過該時間長度後判定語音結束，服務端自動認可音頻緩衝區並觸發翻譯響應。 取值範圍：[200, 6000]，預設值為 1000。 translationobject（可選） 翻譯配置。 屬性 languagestring（可選） 翻譯目標語種，可選值：支援的語種。預設值為en。 same_language_skip_optionsobject（可選） 同語種輸出配置。當源語種與目標語種相同時，可跳過文本輸出、音訊輸出或兩者。僅當translation.language為zh或en時生效。 屬性 skip_textboolean（可選） 是否在源語種與目標語種相同時跳過文本輸出。 skip_audioboolean（可選） 是否在源語種與目標語種相同時跳過音訊輸出。 corpusobject（可選） 熱詞配置，用於提升特定詞彙的翻譯準確性。 屬性 phrasesobject（可選） 熱詞映射表。key 為源語言詞彙，value 為目標語言對應翻譯。 樣本：{"人工智慧": "Artificial Intelligence"} | {
"event_id": "event_ToPZqeobitzUJnt3QqtWg",
"type": "session.update",
"session": {
"modalities": [
"text",
"audio"
],
"voice": "Tina",
"sample_rate": 16000,
"input_audio_format": "pcm",
"output_audio_format": "pcm",
"input_audio_transcription": {
"model": "qwen3-asr-flash-realtime",
"language": "zh"
},
"translation": {
"language": "en",
"corpus": {
"phrases": {
"人工智慧": "Artificial Intelligence",
"機器學習": "Machine Learning"
}
}
}
}
}
啟用聲音複刻（frequency=once）的樣本： {
"event_id": "event_ToPZqeobitzUJnt3QqtWg",
"type": "session.update",
"session": {
"modalities": [
"text",
"audio"
],
"voice": "default",
"enable_voice_clone": true,
"voice_clone_options": {
"frequency": "once"
},
"sample_rate": 16000,
"input_audio_format": "pcm",
"output_audio_format": "pcm",
"translation": {
"language": "en"
}
}
}
源語種和目標語種均為英語，並跳過文本和音訊輸出的樣本： {
"event_id": "event_xxx",
"type": "session.update",
"session": {
"input_audio_transcription": {
"language": "en"
},
"translation": {
"language": "en",
"same_language_skip_options": {
"skip_text": true,
"skip_audio": true
}
}
}
}
|