更新时间:2025-08-26 GMT+08:00

创建智能交互对话

功能介绍

该接口用于创建智能交互对话。

调用方法

请参见如何调用API

URI

POST /v1/{project_id}/smart-chat-rooms

表1 路径参数

参数

是否必选

参数类型

描述

project_id

String

项目ID,获取方法请参考获取项目ID

请求参数

表2 请求Header参数

参数

是否必选

参数类型

描述

X-Auth-Token

String

用户Token。使用Token鉴权方式时必选。

通过调用IAM服务获取用户Token接口获取。

响应消息头中X-Subject-Token的值。

Authorization

String

使用AK/SK方式认证时必选,携带的鉴权信息。

X-Sdk-Date

String

使用AK/SK方式认证时必选,请求的发生时间。

格式为(YYYYMMDD'T'HHMMSS'Z')。

X-Project-Id

String

使用AK/SK方式认证时必选,携带项目ID信息。

X-App-UserId

String

第三方用户ID。不允许输入中文。

表3 请求Body参数

参数

是否必选

参数类型

描述

room_name

String

对话名称

room_description

String

对话描述。

video_config

VideoConfig object

视频输出配置。

说明:
  • 智能交互仅支持配置codec=H264,bitrate,width,height,frame_rate。

model_asset_id

String

数字人模型资产ID。

voice_config

VoiceConfig object

语音配置参数。

说明:
*此参数将被废弃,请使用voice_config_list。

voice_config_list

Array of ChatVoiceConfig objects

语音配置参数列表。

robot_id

String

机器人ID。获取方法请参考创建应用

billing_mode

String

计费模式,默认值CONCURRENCY

  • CONCURRENCY:并发计费

  • CLIENT:按接入端计费

  • CLIENT_TOKENS: 按接入端计费(TOKENS)

reuse_resource

Boolean

是否允许使用未分配的并发数(端模式下不能复用),默认不使用。

concurrency

Integer

参数解释

并发路数。

约束限制

默认没有并发路数,如果不配置并发数量,则无法启动智能交互对话任务。

取值范围:

0-1024

client_nums

Integer

参数解释

允许接入终端端数量。

取值范围:

0-1024

default_language

String

默认语言,智能交互接口使用。默认值CN。

  • CN:简体中文。

  • EN:英语。

  • ESP:西班牙语(仅海外站点支持)

  • por:葡萄牙语(仅海外站点支持)

  • Arabic:阿拉伯语(仅海外站点支持)

  • Thai:泰语(仅海外站点支持)

background_config

BackgroundConfigInfo object

背景配置,background_config=null或background_type=null时为空背景配置。

layer_config

Array of LayerConfig objects

图层配置。

review_config

ReviewConfig object

内容审核配置

chat_subtitle_config

ChatSubtitleConfig object

对话字幕配置

chat_video_type

String

智能交互对话端配置。

  • COMPUTER: 电脑端

  • MOBILE: 手机端

  • HUB: 大屏

exit_mute_threshold

Integer

参数解释

静默退出时长。

取值范围:

0-1440

chat_resource_config

Array of ChatResourceConfig objects

资源配置。

表4 VideoConfig

参数

是否必选

参数类型

描述

clip_mode

String

参数解释

输出视频的剪辑方式。

约束限制

不涉及。

取值范围

  • RESIZE:视频缩放。

  • CROP:视频裁剪。

默认取值:

RESIZE

codec

String

参数解释

视频编码格式及视频文件格式。

约束限制

仅分身数字人视频制作支持VP8和QTRLE编码。QTRLE编码时文本驱动字符数限制小于1500字,音频驱动音频长度小于5分钟。

QTRLE编码需要先申请开通白名单后才能使用

取值范围

  • H264:h264编码,输出mp4文件。

  • VP8:vp8编码,输出webm文件。

  • QTRLE:qtrle ,输出mov文件。

默认取值

H264

默认取值:

H264

bitrate

Integer

参数解释

输出平均码率。单位:kbps。

约束限制

  • 分身数字人视频制作采用质量优先,可能会超过设置的码率。

  • 分身数字人直播码率范围[1000, 8000]。

默认取值

不涉及

取值范围:

40-30000

width

Integer

参数解释

视频宽度。单位:像素。

约束限制

  • clip_mode=RESIZE时,当前支持1920x1080、1080x1920、1280x720、720x1280、3840x2160、2160x3840六种分辨率。4K分辨率视频需要分身数字人模型支持4K的情况下才能使用。

  • clip_mode=CROP,裁剪后视频,(dx,dy)为原点,保留视频像宽度为width。

  • 分身数字人直播和智能交互目前只支持1080x1920、1920x1080。

默认取值

不涉及

取值范围:

0-3840

height

Integer

参数解释

视频高度。

单位:像素。

约束限制

  • clip_mode=RESIZE时,当前支持1920x1080、1080x1920、1280x720、720x1280、3840x2160、2160x3840六种分辨率分辨率。

  • clip_mode=CROP,裁剪后视频,(dx,dy)为原点,保留视频像高度为height。

  • 分身数字人直播和智能交互目前只支持1080x1920、1920x1080。

默认取值

不涉及

取值范围:

0-3840

frame_rate

String

参数解释

帧率。单位:FPS。

约束限制

分身数字人视频固定25FPS。

默认取值:

25

is_subtitle_enable

Boolean

参数解释

输出的视频是否带字幕。

约束限制

分身数字人直播暂时不支持字幕。

取值范围

  • true: 打开字幕

  • false: 关闭字幕

默认取值:

false

subtitle_config

SubtitleConfig object

字幕配置。

dx

Integer

参数解释

裁剪视频左上角像素点横坐标。

说明:
以模特分辨率为画布大小,比如1920*1080分辨率的模特,dx最小值是0,最大值是1920。

约束限制

clip_mode= CROP时生效。

默认取值

不涉及

取值范围:

-1920-3840

dy

Integer

参数解释

裁剪视频左上角像素点纵坐标。

说明:
以模特分辨率为画布大小,比如1920*1080分辨率的模特,dy最小值是0,最大值是1080

约束限制

clip_mode= CROP时生效。

默认取值

不涉及

取值范围:

-1920-3840

is_enable_super_resolution

Boolean

参数解释

视频是否开启超分。

约束限制

仅分身数字人视频制作支持。

取值范围

  • true: 开启

  • false: 不开启

默认取值:

false

is_end_at_first_frame

Boolean

参数解释

视频结束帧是否跟起始帧相同。需要多个数字人视频无缝拼接时设置成true。

约束限制

仅分身数字人视频制作支持,当视频制作时插入动作标签后此设置将失效。

取值范围

  • true: 开启

  • false: 不开启

默认取值:

false

output_external_url

String

视频文件上传的外部URL。

说明:
  • 需要先申请开通白名单后,才允许将视频上传到外部URL。

is_vocabulary_config_enable

Boolean

参数解释

是否应用当前租户的读法配置

约束限制

仅分身数字人视频制作支持。

取值范围

  • true: 开启

  • false: 不开启

默认取值:

true

表5 SubtitleConfig

参数

是否必选

参数类型

描述

dx

Integer

参数解释

字幕框左下角像素点坐标。

约束限制

不涉及。

默认取值

不涉及。

取值范围:

0-1920

dy

Integer

参数解释

字幕框左下角像素点坐标。

约束限制

不涉及。

默认取值

不涉及。

取值范围:

0-1920

h

Integer

参数解释

字幕框高度。

约束限制

参数h用于方便前端计算字幕框左上角坐标,后台不使用该参数。

取值范围:

0-1920

w

Integer

参数解释

字幕框宽度。

约束限制

  • 字幕框宽度固定为屏幕宽度的80%

  • 参数w用于方便前端计算字幕框左上角坐标,后台不使用该参数

取值范围:

0-1920

font_name

String

参数解释

字体。当前支持的字体请参考服务支持的字体

约束限制

不涉及。

取值范围

字符长度0-64位

默认取值:

HarmonyOS_Sans_SC_Black

font_size

Integer

参数解释

字体大小。接口的取值范围为0-120,实际业务使用的取值范围要求为24-120,请以业务实际使用要求为准。

约束限制

不涉及。

取值范围:

0-120

默认取值:

54

font_color

String

参数解释

字幕字体颜色的RGB颜色值。

约束限制

取值范围

字符长度0-7位,固定长度

默认取值:

#FFFFFF

stroke_color

String

参数解释

字幕字体描边颜色的RGB颜色值。

约束限制

取值范围

字符长度0-7位,固定长度

stroke_thickness

Float

参数解释

字幕字体描边粗细像素值。

约束限制

取值范围

0-50

取值范围:

0-50

opacity

Float

参数解释

字幕字体不透明度,0表示完全透明,1表示完全不透明。默认1。

约束限制

取值范围

0-1

取值范围:

0-1

默认取值:

1

表6 VoiceConfig

参数

是否必选

参数类型

描述

voice_asset_id

String

参数解释

音色资产ID,可以从资产库中查询。

音色ID的查询操作,详见查询预置音色ID

约束限制

不涉及。

取值范围

字符长度1-256位。

默认取值

不涉及。

speed

Integer

参数解释

语速。50表示0.5倍语速,100表示正常语速,200表示2倍语速。

当取值为“100”时,表示一个成年人的正常语速,约为250字/分钟。

约束限制

不涉及。

取值范围:

50-200

默认取值:

100

pitch

Integer

参数解释

音高。

约束限制

不涉及。

取值范围:

50-200

默认取值:

100

volume

Integer

参数解释

音量。

约束限制

不涉及。

取值范围:

90-240

默认取值:

140

表7 ChatVoiceConfig

参数

是否必选

参数类型

描述

voice_asset_id

String

语音合成特征字符串

speed

Integer

语速。默认值100,最小值50,最大值200。

说明:
当取值为“100”时,表示一个成年人正常的语速,约为250字/分钟。

取值范围:

50-200

默认取值:

100

pitch

Integer

音高。默认值100,最小值50,最大值200。

取值范围:

50-200

默认取值:

100

volume

Integer

音量。默认值140,最小值90,最大值240。

取值范围:

90-240

默认取值:

140

provider

String

第三方TTS供应商类型。

  • XIMALAYA:喜马拉雅TTS

  • HUAWEI_EI:EI TTS

  • MOBVOI:出门问问TTS

language

String

语言类型。默认值CN。

  • CN:简体中文。

  • EN:英语。

  • ESP:西班牙语(仅海外站点支持)

  • por:葡萄牙语(仅海外站点支持)

  • Arabic:阿拉伯语(仅海外站点支持)

  • Thai:泰语(仅海外站点支持)

默认取值:

CN

表8 BackgroundConfigInfo

参数

是否必选

参数类型

描述

background_type

String

参数解释

背景类型。

约束限制

不涉及。

取值范围

  • IMAGE:图片背景,指定图片用作分身数字人背景。

  • COLOR:纯色背景,指定颜色RGB值作为分身数字人背景。

默认取值

不涉及

background_config

String

参数解释

背景文件的URL。

约束限制

  • 仅直播支持外部URL,其他业务通过资产库查询获取,不支持外部URL。

  • background_type=IMAGE时需要填写。

取值范围

字符长度1-2048位

默认取值

不涉及。

background_color_config

String

参数解释

纯色背景的RGB颜色值。

约束限制

background_type=COLOR时需要填写。

取值范围

字符长度0-16位

默认取值:

#FFFFFF

background_asset_id

String

参数解释

背景资产ID。

说明:
背景是背景图片时,填图片资产ID。

约束限制

不涉及

取值范围

字符长度0-64位

默认取值

不涉及

background_image_config

BackgroundImageConfig object

背景图片大小及位置配置。

表9 BackgroundImageConfig

参数

是否必选

参数类型

描述

dx

Integer

参数解释

背景图片左上角像素点的X轴位置值(画布左上角坐标是0x0)。

横屏(16:9)画布像素为1920x1080;竖屏(9:16)画布像素为1080x1920。

约束限制

需要保证背景图片要铺满画布。即dx <= 0,并且横屏时dx + width >=1920,竖屏时dx + width >=1080。

取值范围:

-5760-0

默认取值:

0

dy

Integer

参数解释

背景图片左上角像素点的Y轴位置值(画布左上角坐标是0x0)。

横屏(16:9)画布像素为1920x1080;竖屏(9:16)画布像素为1080x1920。

约束限制

需要保证背景图片要铺满画布。即dy <= 0,并且横屏时dy + height >=1080,竖屏时dy + height >=1920。

取值范围:

-5760-0

默认取值:

0

width

Integer

参数解释

背景图片宽度像素值(相对画布大小)。

横屏(16:9)画布像素为1920x1080;竖屏(9:16)画布像素为1080x1920。

约束限制

需要保证背景图片要铺满画布。即width > 1080,并且横屏时dx + width >=1920,竖屏时dx + width >=1080。

取值范围:

1-7680

height

Integer

参数解释

背景图片高度像素值(相对画布大小)。

横屏(16:9)画布像素为1920x1080;竖屏(9:16)画布像素为1080x1920。

约束限制

需要保证背景图片要铺满画布。height> 1080,并且横屏时dy + height >=1080,竖屏时dy + height >=1920。

取值范围:

1-7680

表10 LayerConfig

参数

是否必选

参数类型

描述

layer_type

String

参数解释

图层类型。

约束限制

不涉及。

取值范围

  • HUMAN: 人物图层

  • IMAGE: 素材图片图层

  • VIDEO: 素材视频图层

  • TEXT: 素材文字图层

默认取值

不涉及

asset_id

String

参数解释

图层所需资产的资产id,外部资产信息无需填写。

约束限制

不涉及。

取值范围

字符长度0-64位

默认取值

不涉及

group_id

String

参数解释

多场景素材编组。同一group_id的素材,在应用全局时共享位置信息。

约束限制

不涉及。

取值范围

字符长度0-64位

默认取值

不涉及

sequence_no

Integer

参数解释

播放到对应的段落,显示对应的图层。该字段向前兼容,可以不填,字段可选。

只支持直播业务。

约束限制

段落sequence_no。

默认取值

不涉及。

取值范围:

0-2147483647

position

LayerPositionConfig object

图层位置配置。

size

LayerSizeConfig object

图层大小配置。

rotation

LayerRotationConfig object

图层旋转配置。

image_config

ImageLayerConfig object

素材图片图层配置。

video_config

VideoLayerConfig object

素材视频图层配置。

text_config

TextLayerConfig object

素材文字图层配置。

表11 LayerPositionConfig

参数

是否必选

参数类型

描述

dx

Integer

参数解释

图层左上角像素点的X轴位置值(画布左上角坐标是0x0)。

横屏(16:9)画布像素为1920x1080;竖屏(9:16)画布像素为1080x1920。

约束限制

该值为相对于画布的像素值,仅表示布局位置关系,与输出画面分辨率无关。

取值范围:

-1920-3840

默认取值:

0

dy

Integer

参数解释

图层图片左上角像素点的Y轴位置值(画布左上角坐标是0x0)。

横屏(16:9)画布像素为1920x1080;竖屏(9:16)画布像素为1080x1920。

约束限制

该值为相对于画布的像素值,仅表示布局位置关系,与输出画面分辨率无关。

取值范围:

-1920-3840

默认取值:

0

layer_index

Integer

参数解释

图片、视频、人物图的层顺序。

说明:
图层顺序为从1开始的整数,底层图层顺序是1,往上依次增加。

约束限制

如果出现重复则重复图层叠加关系随机。

取值范围:

1-100

默认取值:

100

表12 LayerSizeConfig

参数

是否必选

参数类型

描述

width

Integer

参数解释

图层图片左上角像素点的Y轴位置值图层图片宽度像素值(相对画布大小)。

横屏(16:9)画布像素为1920x1080;竖屏(9:16)画布像素为1080x1920。

约束限制

该值为相对于画布的像素值,仅表示布局位置关系,与输出画面分辨率无关。

取值范围:

1-7680

height

Integer

参数解释

图层图片高度像素值(相对画布大小)。

横屏(16:9)画布像素为1920x1080;竖屏(9:16)画布像素为1080x1920。

约束限制

该值为相对于画布的像素值,仅表示布局位置关系,与输出画面分辨率无关。|

取值范围:

1-7680

表13 LayerRotationConfig

参数

是否必选

参数类型

描述

angle

Integer

参数解释

旋转角度。

取值范围

角度范围0-360度。

默认取值

0度。

约束限制

以素材中心点旋转。

视频素材不支持旋转

取值范围:

0-360

表14 ImageLayerConfig

参数

是否必选

参数类型

描述

image_url

String

参数解释

图片文件的URL。

约束限制

  • 仅直播支持外部URL,其他业务通过资产库查询获取,不支持外部URL。

取值范围

字符长度1-2048位。

默认取值

不涉及

表15 VideoLayerConfig

参数

是否必选

参数类型

描述

video_url

String

参数解释

视频文件的URL。

约束限制

  • 仅直播支持外部URL,其他业务通过资产库查询获取,不支持外部URL。

取值范围

字符长度1-2048位。

默认取值

不涉及。

video_cover_url

String

参数解释

视频封面文件的URL。

约束限制

  • 仅直播支持外部URL,其他业务通过资产库查询获取,不支持外部URL。

取值范围

字符长度1-2048位。

默认取值

不涉及。

loop_count

Integer

参数解释

循环播放视频次数。

特殊取值:

  • 0:表示不播放

  • -1:表示持续循环播放

约束限制

不涉及。

取值范围:

-1-100

默认取值:

-1

video_sound

Integer

参数解释

视频声音大小,0 - 100,表示开启视频声音原视频音量的百分比

特殊取值:

  • 0:表示不开启声音(默认值)

约束限制

不涉及。

取值范围:

0-100

is_play_the_entire_video

Boolean

参数解释

是否播放完整个视频,true表示播放完整个视频,false表示当场景文本/音频结束时,视频也同时不再播放。

特殊取值:

默认值为false

约束限制

不涉及。

表16 TextLayerConfig

参数

是否必选

参数类型

描述

text_context

String

参数解释

文字图层的文本,内容需做Base64编码。

示例:若想添加文字水印“测试文字水印”,那么text_context的值为:5rWL6K+V5paH5a2X5rC05Y2w

约束限制

不涉及。

取值范围

字符长度0-1024位。

默认取值

不涉及。

font_name

String

字体。当前支持的字体请参考服务支持的字体

约束限制

不涉及。

取值范围

字符长度0-64位

默认取值:

HarmonyOS_Sans_SC_Black

font_size

Integer

参数解释

字体大小(像素)。接口的取值范围为0-120,实际业务使用的取值范围要求为4-120,请以业务实际使用要求为准。

约束限制

不涉及。

取值范围:

0-120

默认取值:

16

font_color

String

参数解释

字体颜色。RGB颜色值。

约束限制

不涉及。

取值范围

字符长度0-16位

默认取值:

#FFFFFF

表17 ReviewConfig

参数

是否必选

参数类型

描述

no_need_review

Boolean

免审核。 目前仅白名单用户可使用此参数,非白名单用户跟随系统策略审核。

表18 ChatSubtitleConfig

参数

是否必选

参数类型

描述

dx

Integer

参数解释

字幕左上角像素点坐标。

横屏(16:9)视频像素为1920x1080;竖屏(9:16)视频像素为1080x1920。

取值范围:

0-1920

dy

Integer

参数解释

字幕左上角像素点坐标。

横屏(16:9)视频像素为1920x1080;竖屏(9:16)视频像素为1080x1920。

取值范围:

0-1920

width

Integer

参数解释

图层图片宽度像素值(相对画布大小)。

横屏(16:9)画布像素为1920x1080;竖屏(9:16)画布像素为1080x1920。

取值范围:

1-7680

height

Integer

参数解释

图层图片高度像素值(相对画布大小)。

横屏(16:9)画布像素为1920x1080;竖屏(9:16)画布像素为1080x1920。

取值范围:

1-7680

表19 ChatResourceConfig

参数

是否必选

参数类型

描述

resource_id

String

资源id

count_resource

Integer

资源数量

取值范围:

0-10000

响应参数

状态码:200

表20 响应Header参数

参数

参数类型

描述

X-Request-Id

String

请求ID。

表21 响应Body参数

参数

参数类型

描述

room_id

String

智能交互对话ID

状态码:400

表22 响应Body参数

参数

参数类型

描述

error_code

String

错误码。

error_msg

String

错误描述。

状态码:401

表23 响应Body参数

参数

参数类型

描述

error_code

String

错误码。

error_msg

String

错误描述。

状态码:404

表24 响应Body参数

参数

参数类型

描述

error_code

String

错误码。

error_msg

String

错误描述。

状态码:500

表25 响应Body参数

参数

参数类型

描述

error_code

String

错误码。

error_msg

String

错误描述。

请求示例

POST https://{endpoint}/v1/70b76xxxxxx34253880af501cdxxxxxx/smart-chat-rooms

{
  "room_name" : "大自然的传说",
  "room_description" : "课件"
}

响应示例

状态码:200

成功。

{
  "room_id" : "26f06524-4f75-4b3a-a853-b649a21aaf66"
}

状态码:400

请求传参异常,包含错误码及对应描述。

{
  "error_code" : "MSS.00000003",
  "error_msg" : "Invalid parameter"
}

状态码:401

未鉴权或鉴权失败。

{
  "error_code" : "MSS.00000001",
  "error_msg" : "Unauthorized"
}

状态码:404

无内容。

{
  "error_code" : "MSS.00000002",
  "error_msg" : "Not Found"
}

状态码:500

内部服务错误。

{
  "error_code" : "MSS.00000004",
  "error_msg" : "Internal Error"
}

状态码

状态码

描述

200

成功。

400

请求传参异常,包含错误码及对应描述。

401

未鉴权或鉴权失败。

404

无内容。

500

内部服务错误。

错误码

请参见错误码