直播控制HTTP Command命令说明

text_config

否

表2 object

话术配置。

play_type

否

String

播放类型。

取值如下所示：

• APPEND：在播放队列的尾部追加播放。
• INSERT：在两个音频文件中间插入播放，或在当前正播放文本的句末插入播放。
• PLAY_NOW：收到指令后，立即插入播放。无需等待当前文本播放至句末。

默认值：PLAY_NOW。

取值最小长度0，最大长度32。

play_role

否

String

播放角色。

取值如下所示：

• STREAMER：主播
• CO_STREAMER：助播

默认值：STREAMER，即主播。

取值最小长度0，最大长度32。

rule_index

否

String

互动回调触发插入音频回复时，携带触发的互动规则索引。

取值最小长度0，最大长度64。

text

是

String

台词脚本。取值最小长度1，最大长度131072。

支持如下两种模式：

• 纯文本模式

  使用纯文本，示例：大家好，我是人工智能小A，是位虚拟主播。

• 标签模式

  标签模式使用SSML（Speech Synthesis Markup Language）标记语言。

  需要使用的标签，如下所示：

  • <speak>：此标签为所有文本的根节点。一切需要调用SSML标签的文本，都要包含在<speak> </speak>标记对中。
  • <emotion>：情感标签，对指定的一或多句话生效。标签开始在句子起始位置，标签结束在句子结尾。用法为：<emotion type="情感标签">，对应“type”取值为：HAPPY、SAD、CALM或ANGER。
  • <insert-action>：动作标签，可在文本的指定位置插入动作。用法为：<insert-action id="动作资产ID" name="动作名称" tag="动作标识"/>。动作资产信息是通过资产库接口查询获取的。
  • <break>：停顿标签，可在文本的指定位置插入停顿。用法为：<break time="停顿时长"/>。time的单位为毫秒，最小值为200毫秒。
  • <phoneme>：多音字标签，可指定单个汉字的读音。标签起始和结束中间只能有1个汉字。属性可取值为汉语拼音，声调用1、2、3、4来表示。用法为：<phoneme ph="拼音"/>字</phoneme>。

audio_url

否

String

音频URL。

取值最小长度0，最大长度2048。

play_type

否

String

播放类型。

取值如下所示：

• APPEND：在播放队列的尾部追加播放。
• INSERT：在两个音频文件中间插入播放，或在当前正播放文本的句末插入播放。
• PLAY_NOW：收到指令后，立即插入播放。无需等待当前文本播放至句末。

默认值：APPEND。

取值最小长度0，最大长度32。

play_role

否

String

播放角色。

取值如下所示：

• STREAMER：主播
• CO_STREAMER：助播

缺省值：STREAMER，即主播。

取值最小长度0，最大长度32。

rule_index

否

String

互动回调触发插入音频回复时，携带触发的互动规则索引。

取值最小长度0，最大长度64。

scene_scripts

否

Array of 表5

直播剧本列表。

数组长度：[1,100]。

script_name

否

String

剧本名称。

最小长度1，最大长度256。

model_asset_id

否

String

数字人模型资产ID。

最小长度0，最大长度64。

shoot_scripts

否

Array of 表6

拍摄脚本列表。

数组长度：[0,100]。

sequence_no

否

Integer

剧本序号。

取值范围：[0,2147483647]。

title

否

String

段落标题。

最小长度0，最大长度256。