发布日志

新增功能

改进优化

• 更新 MiniMax TTS (文本转语音)的默认 model 为 speech-02-turbo ，并优化其延迟到约 300ms。

新增功能

改进优化

• 接入测试期间，无需单独申请相关账号及鉴权即可使用部分 ZEGO 支持的大语言模型（豆包、MiniMax、通义千问、阶跃星辰等）及TTS厂商（MinMax、火山、阿里CosyVoice）提供的服务。详细请参考快速开始。
• 更新支持 MiniMax TTS 的 WebSocket 的单向流式，进一步优化延迟及音色效果。

新增功能

改进优化

• 优化了在开启 ASR 多语句拼接时字幕、LLM 回调过早而带来的用户体验问题。详情请参考 语音识别断句。

新增功能

改进优化

• 全面优化接入示例，提供业务服务控制页面及配套客户端示例代码。详情请参考 快速开始。
• 进一步优化语音识别、打断准确率，尤其针对外部环境的音乐声。
• 进一步优化语音端到端延迟，进一步降低 200ms+ 延迟
• 支持在实时音视频（RTC）设置 token 鉴权，进一步增加互动的安全性，且不影响智能体互动。

版本更新

• 接入体验升级，通过不到 10 行代码，即可实现与 AI 智能体的语音通话。
• 全流程音频处理能力升级，大幅优化语音打断及识别准确率，尤其是在噪音环境、播放 BGM、双讲（AI 和用户同时讲话）等场景，全面覆盖居家、办公室、公共环境等各种环境下的 AI 互动。
• 同步支持包括：自定义三方大语言模型（LLM）、500ms 内的自然语音打断、实时字幕、智能体状态查询、主动调用 LLM、主动调用 TTS 等能力。
• 功能架构升级：支持多用户 vs 多 AI 智能体架构，更灵活的互动形式。

新增功能

• 新增查询智能体状态服务端接口。
• 创建会话时，文本转语音配置对象新增 透传第三方参数 字段。
• 适用于 MiniMax 文本转语音服务的 透传第三方参数 新增 模型 字段。
• ASR 配置对象新增 热词 字段和 扩展参数 字段。
• 用于主动调用文本转语音服务的服务端接口的请求参数新增 移除历史 字段。

新增功能

• 新增异常事件服务端回调。
• 文本转语音配置对象新增断句停顿耗时字段。

新增功能

• 创建会话时，大语言模型配置对象新增响应格式种类 和 响应消息名称字段。
• 会话、对话相关服务端接口和用于主动调用大语言模型和文本转语音服务的服务端接口的请求参数新增 用户 ID（必选）。
• 文本转语音配置对象中的扩展参数新增字段 API 种类 和 资源 ID。

新增功能

• 获取会话列表服务端接口新增 会话 ID 字段，支持根据会话 ID 查询会话详情。
• 创建会话服务端接口新增 对话历史模式 字段，支持是否保存会话历史消息。

改进优化

• 调整房间事件消息协议。

废弃删除

• 删除大语言模型、文本转语音配置对象中的 账号来源 字段。

版本更新

• 全面的服务可靠性 & 稳定性。
• 更低的端到端延迟、打断延迟。
• 更新音频处理能力，支持嘈杂环境，满足 80% 以上场景覆盖。
• 智能体模版库。
• 支持主动调用大语言模型。
• 支持主动调用文本转语音服务。
• 支持自定义 RAG 等能力。
• 大语言模型配置对象新增 忽略括号文本 字段，支持过滤大语言模型文本的表情包。

新增功能

• 新增用于主动调用文本转语音服务的服务端接口。
• 新增用于主动调用大语言模型服务的服务端接口。
• 新增用于获取大语言模型结果的服务端回调接口。
• 创建会话服务端接口新增 启用大语言模型服务端消息 配置。
• 大语言模型配置对象新增 忽略括号文本 字段，支持过滤大语言模型文本的表情包。

改进优化

• 自定义当轮对话大语言模型提示词的 时间戳 字段统一为 Int 类型。

新增功能

• 创建、更新、查询会话等服务端接口新增 对话配置 字段。
• 新增自定义大语言模型提示词前处理服务端接口协议。
• 文本转语音配置对象新增 忽略括号文本、忽略自定义括号文本 字段，支持忽略部分文本转语音服务的输入内容，例如中英文括号内的内容。

新增功能

• 新增适用于文本转语音服务的 扩展参数 字段，支持火山引擎和 Minimax 的复刻音色。
• 新增 410003101 等错误码。

问题修复

• 修复了在某些场景下，AI 智能体无法正常打断的问题。

版本发布

• 支持 AI 实时语音通话、IM 文字聊天等基础场景。
• 支持切换大语言模型（LLM）、文本转语音（TTS）服务提供商及音色等。