帮你快速理解、总结文档立即下载
文档中心>实时音视频>AI 实时对话>AI 实时对话 2.0>基础功能>S2S 配置

S2S 配置

最近更新时间：2026-10-29 21:43:33
我的收藏

本页目录：

功能概述

S2S（Speech-to-Speech，端到端）模式下，用户音频直接送入端到端语音大模型，模型直接返回音频与转写文本，不再经过独立的 ASR / LLM / TTS 三段。
与三段式（Cascade）模式的对比：
对比项
三段式（Cascade）
端到端（S2S）
链路结构
ASR → LLM → TTS 分段式
音频直入、音频直出的端到端语音大模型
配置要求
需分别配置 STTConfig / LLMConfig / TTSConfig
仅需配置 S2SConfig
延迟特性
三段累加
天然低延迟
视觉理解（截图问答）
支持（需多模态模型）
暂不支持
对话上下文查询
支持（查询接口 DescribeType=1）
暂不支持，返回为空
模型能力定制
各段可独立更换厂商 / 模型
由端到端模型整体决定
两种模式按需选择：追求极低延迟、纯语音交互选 S2S；需要视觉理解、深度定制各段能力、上下文管理选三段式。

架构图





配置入口

创建任务时将 ConversationMode 设置为 S2S，并通过 S2SConfig 配置端到端模型；此时无需再传 STTConfig / LLMConfig / TTSConfig：
{
    "ConversationMode": "S2S",
    "AgentConfig": {
        "UserId": "ai-bot-001",
        "UserSig": "eJyrVgrxCdYr...",
        "TargetUserId": ["user-123"],
        "TTSPushRoomParams": { "UserId": "tts-bot-001" }
    },
    "S2SConfig": {
        "Provider": "volc_doubao_realtime",
        "Params": "{\\"Model\\":\\"doubao-seed-realtime\\",\\"APIKey\\":\\"volc-ak-xxx\\",\\"SystemPrompt\\":\\"你是一个亲切的语音助手。\\",\\"VoiceId\\":\\"zh_female_qingxin\\",\\"Language\\":\\"zh-CN\\"}"
    }
}
说明：
AgentConfig 的说明（Bot 身份、空闲回收、字幕模式等）与三段式一致，详细参见 快速开始 > 端到端 S2S 接入。

支持的接入方式

接入方式
说明
volc_doubao_realtime
火山豆包实时语音（doubao-seed-realtime），国内接入。
OpenAI GPT-Live
OpenAI 端到端实时语音模型，海外接入。

S2SConfig 字段说明

字段名
必选
类型
描述
Provider
是
String
S2S 端到端厂商标识（如 volc_doubao_realtime / custom）。
Params
否
String
厂商专属参数，JSON 字符串，内部字段由各厂商适配器解析。

Params 字段约定（Provider = volc_doubao_realtime）

字段名
类型
必选
描述
Model
String
是
模型名（如 doubao-seed-realtime）。
APIKey
String
否
火山 API Key。
SystemPrompt
String
否
系统提示词，长度 ≤ 8000。
VoiceId
String
否
输出音色 ID。
Language
String
否
主语种（BCP-47 格式，如 zh-CN）。
Timeout
Integer
否
建连超时（毫秒），默认 15000。

打断策略

S2S 模式下的打断由两层配合：
打断方式
说明
模型侧原生打断（barge-in）
端到端模型自带打断能力，用户开口即可打断当前播报，无需额外配置。
服务端强制打断
业务侧可通过控制任务接口下发 Interrupt 指令，立即停止当前播报并清空待播队列。
服务端强制打断的触发方式详细参见 （客户端）打断指令 。

运行时更新

S2SConfig 支持热更新（Provider / Params），运行中可通过更新任务接口切换模型或调整参数；但不允许跨模式切换，Cascade 与 S2S 之间互切需要重建任务。
各配置项的热更新支持情况：
配置
可更新
说明
S2SConfig
Provider / Params
运行时切换端到端模型。
STTConfig / TTSConfig / VisionConfig
\\
需重建任务。

注意事项

1. 不支持视觉理解：S2S + VLM 组合不可用，截图问答仅在 Cascade 模式下支持，详细参见 视觉理解能力（截图问答）。
2. 不支持查询对话历史：S2S 模式下查询接口的 DescribeType=1 返回为空，如需对话记录请通过三段式回调（ASR / LLM 结果事件）自行落库，详细参见 AI 对话回调事件。
3. 模式互斥：ConversationMode 创建后不可修改，跨模式需销毁旧任务后重新创建。
4. Params 为 JSON 字符串：传入前确保 JSON 合法，TRTC 侧仅做格式校验，内部字段语义由厂商适配器解析。
5. 密钥安全：APIKey 等鉴权信息通过服务端接口传入，不要在客户端保存或下发。
中国站