腾讯云智能数智人
有奖：语音产品征文挑战赛等你来> HOT
文档中心 > 腾讯云智能数智人 > 服务端 API 接入 > 交互数智人服务 API 文档-v5.0.3 > 指令驱动 > 声音驱动指令

声音驱动指令

最近更新时间：2023-10-17 18:07:15

我的收藏

本页目录：

创建长链接通道后，可以通过websocket长连接发送音频驱动数智人。

请求参数

参数名称
类型
必选
描述
ReqId
String
是
单次驱动的唯一标识。每一段音频指定一个 uuid 值。
SessionId
String
是
会话唯一标识。
Command
String
是
SEND_AUDIO，发送音频。
Data
Data
是
数据对象

Data

名称
类型
必选
描述
Audio
string
是
音频原始数据的 byte 数组，经 Base64 编码后的字符串。只支持：格式-PCM，采样率-16kHz，采样位深-16bits，声道-单声道
Seq
int
是
音频片包序号，序号必须从1开始
IsFinal
bool
否
默认值 false



注意：
1. 如果是麦克风实时收音发送，每录制160ms（5120B）的数据即可发出，中间不需要间隔等待；如果是读取离线音频文件发送，片包大小为160ms（5120B），片包发送间隔为120ms。
2. 最后一个片包大小按实际发送（需小于160ms）。
3. 当数据包发送完毕后，必须再发送一个IsFinal=true的空数据包（Audio字段填空串）结束当次音频驱动使数字人回到静默状态。
4. 发送音频实时率要介于[0.75,1]，小于0.75会触发限速，大于1会导致画面卡顿。比如160ms音频片包大小，发送间隔不能低于120ms，不能高于160ms。

请求示例

{
    "Header": {},
    "Payload": {
        "ReqId": "d7aa08da33dd4a662ad5be508c5b77cf",
        "SessionId": "m123adfafvbadsafd",
        "Command": "SEND_AUDIO",
        "Data": {
            "Audio": "声音二进制数据编码Base64后的值",
            "Seq": 0,
            "IsFinal": false
        }
    }
}

中国站