在 VAD 模式下，服务端对传入的音频进行语音活动检测，并在检测到作出响应。此模式适用于客户端到服务器始终发送音频的情况，也是当前的默认模式。服务端在检测到语音开始时发送 input_audio_buffer.speech_started 事件。客户端随时可以...
Messenger是一款由Meta开发的即时通讯应用程序，它允许用户通过互联网进行实时的文字聊天、发送图片、视频、音频消息以及进行视频通话。Messenger在214个国家/地区快速增长，全球有超过十亿用户，是美国、印度、菲律宾、越南、泰国、...
高度自定义：支持用户以话术节点维度分别上传人工录音，当通话流程走到该节点时播放该音频文件从而实现通话更具真实感。准备工作 您已经完成注册阿里云账号，并完成企业实名认证。具体操作，请参见 阿里云账号注册流程 和 实名认证。您已...
语音通话任务 API 标题 API概述 CreateCallTask 创建语音通话任务 使用服务实例给多个被叫号码创建文本转语音任务、语音通知任务和语音验证码任务。ListCallTask 获取通话任务状态列表 创建语音通话任务后，可以查看通话任务状态，包括：...
调用流程 在典型的方案中，我们推荐您的客户端（网页或者APP）通过RTC与您的服务端建立连接，传输视频和音频。然后您将服务端采集到的视频帧以 500ms/张 的速度发送给多模交互SDK，同时保持实时的音频输入。注意：LiveAI发送图片只支持base...
语音信箱权限放开，现在允许配置是否允许坐席查看 静音状态icon展示优化：现在可以更明确的展示静音状态 丰富了IVR内置的音频，并且新增一个通话保持的默认音频，时长10分钟，音频播放完成后会自动回复通话 坐席报表增加每日首次登入与最后...
通过阅读本文，您可以...Agent 所在区域 ARTCAICallAudioConfig 通话音频配置 属性名 类型 描述 audioProfile ARTCAICallAudioProfile 音频编码配置，默认是 HighQualityMode audioScenario ARTCAICallAudioScenario 音频场景配置，默认是 ...
originate_time String 呼叫发起时间，即通话由语音服务向运营商发起时间。ring_time String 被叫响铃时间，即发起外呼后被叫收到请求开始响铃的时间，若被叫未响铃，则该字段为空。smart_status_code String 智能通话结果状态码，状态码...
通过阅读本文，您可以...Agent 所在区域 ARTCAICallAudioConfig 通话音频配置 属性名 类型 描述 audioProfile ARTCAICallAudioProfile 音频编码配置，默认是 HighQualityMode audioScenario ARTCAICallAudioScenario 音频场景配置，默认是 ...
AI完成服务占比：数字员工完结量/呼入通话量 AI服务时长：（数字员工完结或转人工时间-数字员工进线时间）的总和 AI服务天数：AI服务时长/8h 坐席状态统计 统计当前在线坐席的工作模式、坐席状态、上线的技能组、状态持续时长、通话时长、...
下发音频 服务端将大模型回复发送至TTS生成语音然后下发给客户端：下发音频为16bit单声道，采样率和编码由 Start 消息参数定义。下发速度取决于TTS服务性能，通常快于播放速度。音频下发前发送 RespondingStarted 事件；结束后发送 ...
输入音频与图片 客户端通过 input_audio_buffer.append 和 input_image_buffer.append 事件发送 Base64 编码的音频和图片数据到服务端缓冲区。音频输入是必需的；图片输入是可选的。图片可以来自本地文件，或从视频流中实时采集。启用服务...
服务端返回视频通话 Agent 欢迎语，即成功进入视频通话。退出视频通话 Agent：发送退出指令或者语音说“退出视频通话”。请求参数说明 通过 requestToRespond 方法请求提交参数如下。一级参数 二级参数 三级参数 是否必选 说明 parameters ...
阿里云RTC为您提供了纯音频通信、视频通话、互动连麦等主要功能，同时具有多分辨率视频、终端适配等关键特性，您可以根据业务需求选择合适的使用场景。主要功能 阿里云RTC的主要功能如下所示：功能 典型适用场景 纯音频通信 1v1和多人语音...
originate_time String 呼叫发起时间，即通话由语音服务向运营商发起时间。ring_time String 被叫响铃时间，即发起外呼后被叫收到请求开始响铃的时间，若被叫未响铃，则该字段为空。b_ring_time String b路被叫响铃时间。若被叫未响铃，则...
originate_time String 呼叫发起时间，即通话由语音服务向运营商发起时间。ring_time String 被叫响铃时间，即发起外呼后被叫收到请求开始响铃的时间，若被叫未响铃，则该字段为空。b_ring_time String b路被叫响铃时间。若被叫未响铃，则...
originate_time String 呼叫发起时间，即通话由语音服务向运营商发起时间。ring_time String 被叫响铃时间，即发起外呼后被叫收到请求开始响铃的时间，若被叫未响铃，则该字段为空。b_ring_time String b路被叫响铃时间。若被叫未响铃，则...
视觉理解通话 融合视频与音频的新型交互方式，它能够实时解析摄像头捕捉的画面，结合用户语音指令，通过多模态交互提供精准反馈，让用户在通话过程中获得更加直观、高效且个性化的智能交互体验，打破传统语音或文字交流的局限。视频通话 ...
或是通过 serviceChannelKeywords 设置客服通话中的关键字，后台服务通过客服通话中的关键字来识别角色。回调参数说明 假设调用方传入的回调地址是：http://aliyun.com/callback，那么回调时的完整 URL 为 ...
您可以通过轻量消息队列（原MNS）模式订阅通信智能体呼叫记录消息（AlicomAgentCallReport），在通话结束后，可以获取到本次通话的主被叫号码、通话开始时间、通话结束时间、通话持续时间、语音实时ASR时长等信息。返回参数 参数名称 参数...
同时，企业也可以将用户与AI智能体通话的音视频数据存储至对象存储服务（OSS）或视频点播（VOD）平台。功能实现 阿里云为您提供以下几种数据归档方式：文本内容的聊天记录、音频逐句回调以及ARTC录制的通话内容：文本聊天记录 您可以通过...
获取指定实例下的通话早媒体音频。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权信息 当前API暂无授权信息透出。请求参数 名称 类型 必填 描述 ...
基础版 300,000 增强版 500,000 视频水印嵌入服务 基础版 500,000 增强版 800,000 音频水印嵌入服务 基础版 300,000 增强版 500,000 按量付费 计费周期为按天计费，总费用由调用费用和实例费用两部分组成，可通过调用OpenAPI集成。...
示例一：三人同时加入频道进行音视频通话，通话时长2100秒，需要录制三人通话的音频。用量计算：需要启动1路云端录制进程，录制三路音频。录制的是音频，因此录制规格（TaskProfile）为Mixed_Audio（纯音频）。录制时长为2100秒，即35分钟...
originate_time String 呼叫发起时间，即通话由语音服务向运营商发起时间。ring_time String 被叫响铃时间，即发起外呼后被叫收到请求开始响铃的时间，若被叫未响铃，则该字段为空。a_originate_time String a路电话呼叫发起时间。a_ring_...
管控台上配置自定义对话变量的方法参考 应用配置-对话变量 客户端使用的三种模式对比：对比项 push2talk tap2talk duplex 类型 客户端控制模式 点击模式 双工模式 音频上传方式 按需 持续 持续 VAD检测方 客户端 服务端 服务端 打断方式 ...
重要 由于流式文本语音合成服务端会分句合成音频，因此服务端存在未满足分句条件的缓存文本，需要在文本流发送结束后立刻发送此指令，否则有可能丢失文本。Payload为空。示例代码如下：{"header":{"message_id":"05450bf69c53413f8d88aed1...
示例一：10人加入频道通话，其中3位主播在麦上推纯音频流，7位观众在麦下拉流，频道通话时长2100秒，混流3位主播通话的音频。用量计算：需要启动1路混流转码任务，将3路音频进行混流转码。混流转码的是音频，因此混流转码规格为Mixed_Audio...
音视频通话组件（Mobile Real-Time Communication，简称 MRTC）是 mPaaS 提供的音频、视频通话组件。该组件功能丰富，提供纯语音通话和视频通话功能，支持 PC、移动端、IoT 设备等多终端接入。音视频通话可实现一对一通话及多人会议，通话...
服务端 2025-06-30 2025年5月 功能分类 功能名称 功能描述 支持端 发布时间 相关文档 服务端 智能体回调 支持智能体音频逐句回调。服务端 2025-05-16 智能体回调 打断优化 智能体单字打断优化。服务端 2025-05-16 语音识别热词 支持智能体...
originate_time String 呼叫发起时间，即通话由语音服务向运营商发起时间。ring_time String 被叫响铃时间，即发起外呼后被叫收到请求开始响铃的时间，若被叫未响铃，则该字段为空。smart_status_code String 智能通话结果状态码，状态码...
input_audio_buffer.append 向输入音频缓冲区追加音频字节。服务端使用此缓冲区检测并决定语音提交时机。type string(必选)事件类型，固定为 input_audio_buffer.append。{"event_id":"event_xxx","type":"input_audio_buffer.append",...
通过阅读本文，您可以了解iOS SDK和Mac SDK涉及的数据类型。目录 数据类型 描述 支持的最低版本 DingRtmAgentSpeakerType ...DingRtcDeviceVolumeTypeVOIP 设置为通话音量，适合通话场景，音量无法调节到零。DingRtcVideoSource：视频裸数据...
originate_time String 呼叫发起时间，即通话由语音服务向运营商发起时间。ring_time String 被叫响铃时间，即发起外呼后被叫收到请求开始响铃的时间，若被叫未响铃，则该字段为空。b_ring_time String b路被叫响铃时间。若被叫未响铃，则...
同时，用户还可以管理在IVR流程中用到的现有音频。批量外呼 通过AI预测，全自动控制外呼节奏，在满足呼损要求的前提下，最大限度地提升坐席通话效率。使用前需要提交 工单 联系运营人员进行预先配置。设置 对坐席工作台、事件推送、短信...
originateTime String 2025-06-01 09:59:45 主叫方呼叫发起时间，即通话由语音服务向运营商发起的时间，格式为yyyy-MM-dd HH:mm:ss。ringTime String 2025-06-01 09:59:50 主叫方接收的被叫响铃时间，即发起后被叫收到请求开始响铃的时间，...
使用步骤 登录 mPaaS 控制台，在左侧导航栏中选择 多媒体服务 音视频通话 用量统计，默认进入 通话时长 页面。选择 通话时长、在线时长、房间数 或 用户数 标签，然后进入相应标签页按通话应用和时间来查询相关数据。通话应用：单击 通话...
heartbeat boolean 否 当需要与服务端保持长连接时，可通过该开关进行控制：true：在持续发送静音音频的情况下，可保持与服务端的连接不中断。false（默认）：即使持续发送静音音频，连接也将在60秒后因超时而断开。静音音频指的是在音频...
conversation.item.input_audio_transcription.failed 启用输入音频转录后，若用户音频转录失败，服务端会返回此事件。此事件独立于 error 事件，便于客户端识别。event_id string 本次事件唯一标识符。{"type":"conversation.item.input_...
大模型部署在阿里云百炼平台上，怎么跟AI智能体进行联动 集成相关 启动通话时报错 开始消息对话时客户端报错“AgentNotFound”开始消息对话时，客户端报错“UnsupportedWorkflowType”如何调整客户端音频采集采样率 如何调整智能体播报采样...