@ottervoice/core

createVoiceSession(config) 与 createOtterVoiceSession(config) 使用完全相同的 统一 audio-turn 配置；后者只是语义更明确的别名。

VoiceSessionConfig 要点

字段	说明
mode	half_duplex · full_duplex · push_to_talk · streaming_transcript
runtime	平台适配器
providers.audioLlm	必需；原生语音模型或服务端复合语音栈
providers.asr	可选字幕 ASR；当 audio-turn Provider 不返回输入转写时使用
language	偏好 ASR 语言，如 zh-CN
asrPartial	是否发 asr_partial，默认 true
turnDetection	听用户说话时的 VAD
interruptionDetection	助手播放时的更严 VAD（barge-in）
policy	自动听、允许打断、误打断恢复等
audioLlmSystemPrompt / audioLlmMaxTokens	仅可信 Node/服务端 Session；浏览器标准模式由网关注入
audioLlmStartTiming	after_audio 并行降首响；默认 after_asr_final

Core 只与单个 audio-turn Provider 对话。该 Provider 可以是 原生语音模型，也可以是网关后组合的 ASR → LLM → TTS。若它声明 transcribesInput: true，Core 会把 Provider 返回的输入转写作为 asr_final； 否则应额外提供 caption ASR。

完整字段见 API 参考。源码：types.ts。

底层 LLMProvider 与 TTSProvider 仍供可信后端实现复合 AudioLLMProvider，不再是 VoiceSessionConfig.providers 的槽位。浏览器/App 应使用 server-managed Provider，并让自有网关覆盖所有业务与成本策略。

TurnDetectionConfig

字段	默认（解析后）	含义
strategy	hybrid	volume · manual · hybrid
minSpeechMs	500	判定开始说话的最短有声时长
silenceTimeoutMs	1200	静音多久结束轮次（低延迟可试 350–600）
maxTurnMs	120000	单轮上限
volumeThreshold	0.02	RMS 阈值

VoiceSessionPolicy

字段	含义
autoStartListening	start 后是否自动进入 listening
allowInterruption	是否允许 barge-in
interruptionTailIgnoreMs	试探性暂停后忽略扬声器尾音（默认 200）
falseInterruptionSilenceMs / TimeoutMs	误打断恢复窗口
interruptionCooldownMs	恢复播放后冷却
postPlaybackVadRearmMs	播放结束后等待安静基线（默认 300）

会话生命周期

await session.start();
await session.finish();
await session.dispose();

监听事件：事件指南。错误码与用量同在 VoiceSessionEventMap。