type string (必選) 事件類型，固定為session.update。 | {
"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"
}
}
}
|
session object （可選） 會話配置。 屬性 modalities array （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。
voice string （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_clone boolean （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_options object （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.frequency string （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_rate integer （可選） 輸入音訊採樣率，單位為Hz。可選值： input_audio_transcription object （可選） 輸入音頻相關配置。 屬性 model string （可選） 語音辨識模型。配置後，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。 可選值：qwen3-asr-flash-realtime。 language string （可選） 翻譯源語種，可選值：支援的語種。預設值為en。 input_audio_format string （可選） 使用者輸入音頻格式，可選值： output_audio_format string （可選） 輸出音頻格式，當前僅支援設為pcm。 translation object （可選） 翻譯配置。 屬性 language string （可選） 翻譯目標語種，可選值：支援的語種。預設值為en。 corpus object （可選） 熱詞配置，用於提升特定詞彙的翻譯準確性。 屬性 phrases object （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"} |