跳转到内容

@ottervoice/core

核心入口:createVoiceSession(config)

字段 说明
mode half_duplex · full_duplex · push_to_talk · streaming_transcript
pipeline asr_llm_tts(默认)或 audio_llm
runtime 平台适配器
providers.asr / llm 必需
providers.tts asr_llm_tts 需要
providers.audioLlm audio_llm 需要
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 Audio LLM 专用
audioLlmStartTiming after_audio 并行降首响;默认 after_asr_final

完整字段见 API 参考。源码:types.ts

字段 默认(解析后) 含义
strategy hybrid volume · asr_endpointing · 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
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)
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