2023-12-29

新增功能

同声传译模式
新增 interpretation_mode 授权参数，支持中英互译。

情绪回落机制优化

追加情绪值时间回落，避免情绪极端化。

话题转折优化

话题转折更加自然，并调整了初始话题库。

角色记忆增强

加强角色的备忘录记忆能力。

声纹识别升级

排除短句干扰，增加时序系数，提高识别准确率。

绘图功能

新增 draw_pic 功能，可根据要求生成图片，并支持精准修图。

汽车出口报价功能

新增 car_sales_fob 功能，可根据要求计算出口车 FOB 报价，并生成专属报价单网页。

2023-11-24

增加语速调节参数

新增 voice_speed 参数，用于调控NPC的语速。

模型升级

智力提升，尤其在刚开始对话的低激活状态下表现更优。

2023-11-10

对接MCP生态

可以快速集成上万款第三方MCP（MCP官方库、魔搭MCP广场等）。

推出WebSocket接口

继承TCP接口的所有特性。

新增Billing语音记账功能

采用Agentic策略，自由度超高、体验更自然。

2025-10-27

debug模式回归

在对话中文字或者语音输入debug on，即可打开debug模式。AI会在正常对话以后，通过Text消息流返回debug信息，包括：技能书记忆、知识图谱、情绪状态、深度思考、function调用。这将帮助运营更好的调试角色！

emoji_mode

可在tcp认证消息中添加，用于在对话中返回情绪表情。
目前支持true,false,dimi 三种模式，默认为false。
true模式下，通过emoji消息流返回约30种情绪状态。客户端可根据此状态，决定使用怎样的表情、动作配合语音。
dimi模式为 dimi设备定制，共计2800种表情返回。
也支持为各家硬件定制表情库。

对话能力提升

修正了回复的第一句智力偏低的问题，略微降低话唠指数。

新版视觉模型

已上线测试环境，支持动态视觉、人脸识别、文字识别。延迟控制到500ms，视觉能力激活不会产生额外延迟。
采用全新安全架构，确保图片信息阅后即焚，且图片信息不对公网开放。

2025-10-21

新增热词特性
热词是对于特定领域内可以提高语音判断的触发词。
更新一下接口，增加hotword字段:

配置管理/模板/创建角色模板

配置管理/模板/查询角色模板

配置管理/模板/修改角色模板

配置管理/角色/创建角色(通过模板创建)

配置管理/角色/查询角色

配置管理/角色/修改角色

配置管理/角色/创建角色(通过现有角色创建)

2025-10-20

新增了一个状态用来表示用户已经开始说话

{
  "taskid": "abc12345",
  "type": "listen",
  "state": "detecting",
  "mode": "vad"
}

这时客户端可以选择停止播放已经接收到的音频，达到更完美的打断效果

更新日志

2023-12-29#

新增功能#

2023-11-24#

增加语速调节参数#

模型升级#

2023-11-10#

对接MCP生态#

推出WebSocket接口#

新增Billing语音记账功能#

2025-10-27#

debug模式回归#

emoji_mode#

对话能力提升#

新版视觉模型#

2025-10-21#

2025-10-20#