type | string | Ya | Jenis event. Nilainya tetap session.update. |
event_id | string | Ya | ID event. |
session | object | Ya | Objek yang berisi konfigurasi sesi. |
session.input_audio_format | string | Tidak | Format audio. Format yang didukung adalah pcm dan opus. Default: pcm. |
session.sample_rate | integer | Tidak | Laju pengambilan sampel audio dalam Hz. Nilai yang didukung adalah 16000 dan 8000. Default: 16000. Jika Anda mengatur parameter ini ke 8000, server akan melakukan upsampling audio ke 16000 Hz sebelum pengenalan. Hal ini mungkin menyebabkan sedikit penundaan. Gunakan nilai ini hanya jika sumber audio berada pada 8000 Hz, seperti audio dari saluran telepon. |
session.input_audio_transcription | object | Tidak | Konfigurasi terkait pengenalan ucapan. |
session.input_audio_transcription.language | string | Tidak | |
session.input_audio_transcription.corpus.text | string | Tidak | Menentukan konteks. Anda dapat memberikan teks latar belakang, kosakata entitas, dan informasi referensi lainnya (konteks) selama pengenalan ucapan untuk mendapatkan hasil yang disesuaikan. Batas panjang: 10.000 token. Untuk informasi lebih lanjut, lihat Contextual biasing. |
session.turn_detection | object | Tidak | Konfigurasi Voice Activity Detection (VAD). Parameter ini mengaktifkan atau menonaktifkan mode VAD. Atur parameter ini ke `null` untuk menonaktifkan mode VAD dan mengaktifkan Manual mode. Jika parameter ini diatur, mode VAD diaktifkan. |
session.turn_detection.type | string | Tidak, wajib jika turn_detection ada. | Nilainya tetap server_vad. |
session.turn_detection.threshold | float | Tidak | Ambang batas deteksi VAD. Nilai yang direkomendasikan: 0,0. Default: 0,2. Nilai valid: [-1, 1]. Ambang batas yang lebih rendah meningkatkan sensitivitas VAD, yang dapat menyebabkan kebisingan latar belakang salah dikenali sebagai ucapan. Ambang batas yang lebih tinggi mengurangi sensitivitas dan membantu mengurangi pemicu palsu di lingkungan bising. |
session.turn_detection.silence_duration_ms | integer | Tidak | Ambang batas endpointing VAD dalam milidetik (ms). Periode diam yang melebihi ambang batas ini dianggap sebagai akhir pernyataan. Nilai yang direkomendasikan: 400. Default: 800. Nilai valid: [200, 6000]. Nilai yang lebih rendah, seperti 300 ms, memungkinkan model merespons lebih cepat tetapi dapat menyebabkan segmentasi tidak alami pada jeda normal. Nilai yang lebih tinggi, seperti 1200 ms, lebih baik dalam menangani jeda dalam kalimat panjang tetapi meningkatkan latensi respons secara keseluruhan. |