发版说明--实时音视频-火山引擎

文档中心

导航

发版说明

最近更新时间：2025.11.27 19:17:34首次发布时间：2025.04.23 12:58:05

2025 年

2025 年 11 月

时间	接口版本	变更类型	说明
2025-11-27	`2024-12-01`	新增功能	自定义 TTS/第三方 LLM：在单轮对话过程中，支持将端侧的自定义数据（如业务数据、算法检测结果等）透传给第三方 LLM 或自定义 TTS，且这些数据不会被 TTS 直接朗读。具体实现方式，请参见方式二：单轮对话中动态透传。
2025-11-27	`2024-12-01`	新增功能	启动一个智能体任务后，支持通过 UpdateVoiceChat 接口，更新该任务配置（如TTS、LLM 等）。具体支持更新的配置项，以 `Parameters` 对象为准。
2025-11-22	`2024-12-01`	新增功能	记忆库（长期记忆）：新增参数 `Score`，即召回记忆的置信度阈值，可用于过滤与当前问题相关性较低的记忆。一次检索可能召回多条记忆，系统会为每条记忆计算一个“相关性得分”，只有得分不低于设定阈值的记忆会被采纳；低于设定阈值的记忆会被丢弃。参数详细说明，请参见 StartVoiceChat 。
2025-11-18	`2024-12-01`	新增功能	声纹降噪：新增字段 `EnableSV`，在使用预注册声纹进行声纹降噪时，可对说话人进行声纹验证。仅当匹配成功时，才将 ASR 识别结果送入 LLM 并生成回复；否则将丢弃该段语音内容，避免非目标说话人（如背景人声）干扰对话。参数详细说明，请参见 StartVoiceChat 。
2025-11-05	`2024-12-01`	新增功能	第三方大模型/Agent：新增支持 Function Calling、MCP 和联网问答 Agent。
2025-11-03	`2024-12-01`	新增功能	参数校验增强：在任务启动时对 StartVoiceChat 接口的参数进行校验，并通过回调返回未定义或错误的参数信息。详情请参见错误码说明。
2025-11-03	`2024-12-01`	新增功能	状态回调增强：服务端任务状态回调新增状态：`llmOutput`（大模型输出首个 token）、`answerStart`（智能体开始说话）、`interrupted`（智能体被打断）、`reasoningStart`（大模型开始深度思考）。详情请参见接收智能体任务状态。

2025 年 10 月

时间	接口版本	变更类型	说明
2025-10-23	`2024-12-01`	新增功能	新增支持豆包语音端到端模型：整合了 ASR、LLM、TTS 的全链路能力，显著降低闲聊场景的响应延迟。支持两种模式：纯端到端模式：适用于纯闲聊场景，获得极致的低延迟体验。混合编排模式：默认使用端到端模型进行闲聊。当识别到 Function Calling 等需要外部工具的意图时，会自动将任务交由 LLMConfig 中配置的大模型进行处理，实现意图仲裁和复杂任务执行。具体接入方式，请参见接入端到端实时语音大模型。
2025-10-17	`2024-12-01`	新增功能	流式语音识别大模型、火山语音合成大模型（流式输入流式输出）：支持参数透传，提供了更大灵活性。
2025-10-17	`2024-12-01`	新增功能	新增支持接入火山记忆库（VikingDB）：通过 MemoryConfig 参数，可为智能体接入长期记忆能力，使其能够检索并利用历史对话信息，提供更具个性化和连续性的交互体验。具体接入方式，请参见接入记忆库。
2025-10-10	`2024-12-01`	新增功能	新增支持接入火山引擎数字人，为智能体赋予具象形态，同时实现精准口型同步，有效增强交互过程的生动性。具体实现方式，请参见与数字人对话。

2025 年 9 月

时间	接口版本	变更类型	说明
2025-09-29	`2024-12-01`	新增功能	新增支持接入火山联网问答 Agent：可以让智能体具备实时从互联网检索信息并进行总结回答的能力。例如查询最新资讯、获取天气信息、询问实时股价等。接入方法，请参见接入联网问答 Agent。
2025-09-29	`2024-12-01`	新增功能	新增支持接入 MCP：通过 MCP 可以将知识库问答（RAG）、信息搜索、数据分析等复杂能力，作为独立的工具接入到实时对话流中，扩展智能体的能力。接入方式，请参见使用 MCP 扩展智能体能力。
2025-09-25	`2024-12-01`	新增功能	离线声纹降噪：新增 `Score` 参数，用于自定义声纹匹配阈值。只有当实时语音与注册声纹的相似度分数大于等于该阈值时，才会被识别为目标用户。具体参数参看 StartVoiceChat 中的 `AgentConfig.VoicePrint.Score`。
2025-09-09	`2024-12-01`	新增功能	火山引擎语音识别大模型：新增支持双向流式优化版（`StreamMode: 2`），同时支持在双向流式优化版的基础上开启二遍识别，满足客户实时上屏需求（快）的同时，又可以保证识别准确率（准）。具体参数参看 StartVoiceChat 中的 `ASRConfig.StreamMode` 和 `ASRConfig.enable_nonstream`。
2025-09-09	`2024-12-01`	新增功能	Coze 平台配置，新增字段 `ResponseTimeout`（Coze 智能体回复超时时间）。如果 Coze 智能体内部配置了复杂流程（如 MCP、插件调用），其响应时间可能会变长。此参数用于设定一个合理的等待上限，避免因智能体长时间无响应而影响用户体验。具体参数说明参看 StartVoiceChat 中的 `LLMConfig.CozeBotConfig.ResponseTimeout`。

2025 年 8 月

时间	接口版本	变更类型	说明
2025-08-27	`2024-12-01`	新增功能	新增 AI 降噪：对音频进行智能降噪处理，可根据实际噪声环境选择不同级别的降噪模式。具体参数参看 StartVoiceChat 中的 `AgentConfig.AnsMode`。
			新增智能语义断句：启用后系统会结合 AI 模型对语义完整性的判断和 `SilenceTime` 来进行断句，能更准确地处理长句中的自然停顿。具体参数参看 StartVoiceChat 中的 `ASRConfig.VADConfig.AIVAD`。
			新增声纹降噪：可用于提升在多人环境下的语音识别准确率。启用后，系统将识别人声并保留目标用户（TargetUserID）的声纹，同时抑制环境中的其他无关人声（旁人噪音）。具体使用，请参见 StartVoiceChat 。
2025-08-25	`2024-12-01`	新增功能	视觉理解新增支持图片理解。具体使用说明，请参见视觉理解能力。
2025-08-14	`2024-12-01`	新增功能	Coze 平台配置，新增以下字段： `CustomVariables`：为 Coze 智能体 Prompt 中定义的变量 {{key}} 动态赋值。 `MetaData`：为对话附加信息，比如业务标识（如订单号、用户来源等）。 `Parameters`：为 Coze 对话流起始节点中定义的自定义参数赋值。具体参数说明参看 StartVoiceChat 中的 `LLMConfig.CozeBotConfig`。
2025-08-13	`2024-12-01`	新增功能	第三方模型配置，新增字段 `EnableRoundId`，用于控制请求第三方模型/Agent 接口时，是否在请求体中携带字段 `round_id`（对话轮次 ID）。具体参数参看 StartVoiceChat 中的 `LLMConfig.EnableRoundId`。

2025 年 7 月

时间	接口版本	变更类型	说明
2025-07-11	`2024-12-01`	新增功能	语音合成 TTS，支持接入自定义 TTS 服务。具体参数参看 StartVoiceChat 中的 `TTSConfig.ProviderParams（自定义语音合成）`。
2025-07-11	`2024-12-01`	新增功能	火山方舟大模型，支持设置模型的深度思考模式（关闭、启用深度思考等）。具体参数参看 StartVoiceChat 中的 `LLMConfig.ThinkType`。
2025-07-01	`2024-12-01`	新增功能	第三方大模型支持视觉模型。具体参数参看 StartVoiceChat 中的 `LLMConfig.VisionConfig`。

2025 年 6 月
时间
接口版本
变更类型
说明
2025-06-30
2024-12-01
新增功能
嵌入式硬件场景下，支持标识是否为 License 用户。具体说明参看 StartVoiceChat.AgentConfig.UseLicense。

2025 年 5 月

时间	接口版本	变更类型	说明
2025-05-28	`2024-12-01`	新增功能	嵌入式硬件场景下支持音频快速发送，实现更好的抗弱网能力。具体参数参看 StartVoiceChat.AgentConfig.Burst。

2025 年 4 月

时间	接口版本	变更类型	说明
2025-04-14	`2024-12-01`	新增功能	ASR 模块：新增支持火山引擎语音识别大模型服务热词功能，若存在部分词汇识别效果不好的情况，可考虑通过添加热词，提高该类词语的识别效果。具体参看 boosting_table_id 字段。新增支持火山引擎语音识别大模型服务替换词功能，若存在部分词汇存在多音字的情况，可考虑通过添加替换词，提高该类词语的识别效果。参看 correct_table_id 字段。新增支持打断词设定功能，若用户说话内容开头包含任一传入打断词，智能体则立刻停止输出。参看 ASRConfig.InterruptConfig.InterruptKeywords 字段。新增选择是否自动触发新一轮对话，参看 ASRConfig.TurnDetectionMode 字段。 LLM 模块：移出 `UserMessage` 字段，使用 `UserPrompts` 字段替换，大模型效果更稳定。
2025-04-11	`2024-12-01`	新增功能	大模型新增支持 Coze 平台。

2025 年 1 月

时间	接口版本	变更类型	说明
2025-01-09	`2024-12-01`	新增功能	新增支持智能体任务执行期间回调状态变化，以便你在业务端及时进行后续处理或保证业务的稳定性。详情参看接收状态变化消息。
2025-01-06	`2024-12-01` `2024-06-01`	新增功能	大模型配置选择火山方舟平台时，支持使用视觉理解模型，详情参看视觉理解能力。

2024 年

2024 年 12 月

时间	接口版本	变更类型	说明
2024-12-31	`2024-12-01`	新增功能	支持传入文本信息供 TTS 音频播放，参看 UpdateVoiceChat.Command。支持传入自定义文本结合用户问题送入 LLM，参看 UpdateVoiceChat.Command。支持传入外部问题，送入 LLM，参看 UpdateVoiceChat.Command。支持使用通过配置的 URL 接收 function calling 函数工具调用的信息指令，参看配置 FunctionCallingConfig 接收信息指令。支持字幕返回无需对齐 TTS 音频时间戳，参看 StartVoiceChat.SubtitleConfig.SubtitleMode。
2024-12-31	`2024-12-01`	升级改动	移除最外层 `UserId`，使用 `TaskId` 做任务标识。新增 `AgentConfig`，支持智能体基本配置。将 `LLMConfig.WelcomeSpeech`移入 `AgentConfig` 结构下。移除 `Config.BotName`，使用 `AgentConfig.UserId` 标识智能体。
2024-12-25	`2024-06-01`	新增功能	TTS 新增支持火山引擎双向流式语音合成
2024-12-25	`2024-06-01`	新增功能	新增 `ASRConfig.VolumeGain` 字段，支持降低采集音量，以减少噪音引起的 ASR 错误识别。新增 `ASRConfig.VADConfig` 字段，支持 VAD 配置。新增 `LLMConfig.prefill` 字段，支持将 ASR 中间结果提前送入大模型进行处理以降低延时。

2024 年 11 月

时间	接口版本	变更类型	说明
2024-11-08	`2024-06-01`	新增功能	TTS 新增接入 MiniMax 服务提供商，具体参看 Config.TTSConfig。 `Config.TTSConfig` 结构已重构，原有结构短期内仍会支持，建议使用新结构调用实时对话式 AI 服务。
2024-11-05	`2024-06-01`	新增功能	新增支持 Function calling 功能，可将将大模型与外部工具和 API 相连，具体参看ARKLLMConfig.Tools。

2024 年 10 月

时间	接口版本	变更类型	说明
2024-10-18	`2024-06-01`	新增功能	新增支持 TTS 倍速、音量和音高调节，具体参看TTSConfig。
2024-10-14	`2024-06-01`	新增功能	新增支持自动打断功能开关，具体参看Config.InterruptMode。

2024 年 8 月

时间	接口版本	变更类型	说明
2024-08-30	`2024-06-01`	新增功能	新增支持房间内字幕功能，具体参看Config.SubtitleConfig。
2024-08-22	`2024-06-01`	新增功能	TTS 新增支持大模型语音合成服务和大模型声音复刻 2.0 服务，下线大模型声音复刻 1.0 服务，具体参看Config.TTSConfig。下线方舟 1.0 大模型，新增支持接入第三方大模型，方舟 2.0 模型，具体参看Config.LLMConfig。