摘要：语聊社交中总是陷入尬聊冷场？教学直播提问太多难以逐一回复？话未说完就被AI误打断？在与AI实时语音交互的过程中，总会遭遇各种“尴尬时刻”。为解决这些直接影响用户体验的痛点，即构科技实时互动AI Agent更新至2.1版本，新增两项重点能力，进一步优化语音交互体

语聊社交中总是陷入尬聊冷场？教学直播提问太多难以逐一回复？话未说完就被AI误打断？在与AI实时语音交互的过程中，总会遭遇各种“尴尬时刻”。为解决这些直接影响用户体验的痛点，即构科技实时互动AI Agent更新至2.1版本，新增两项重点能力，进一步优化语音交互体验。

支持多用户同时与一个智能体语音互动

传统AI互动引擎，仅支持1v1的语音通话。本次ZEGO实时互动AI Agent 2.1版本支持多个用户同时与一个AI智能体语音互动，同时支持语音打断、手动打断、智能体主动说话等能力，且智能体可区分用户进行回应。

实时互动AI Agent 2.1能够主动调节房间氛围。当用户需要AI提供灵感时，AI随叫随到；房间用户都不主动发声时，智能体则会主动提出话题引导用户继续聊天，避免冷场的局面。

无论是在语聊房场景中多人分享生活点滴、头脑风暴，还是在AI狼人杀、AI剧本杀里推动游戏进程，又或是在AI教学中学生们向AI助教提问，方案均可实现全场景适配与高效运行。

语音断句效果全新升级

智能体在识别用户语音时，会根据停顿时长判断用户是否结束说话。在不同的应用场景下，用户与AI的语音互动也有着不同的方式和习惯。

• 如使用AI陪伴的用户更倾向于与智能体分享日常，说话内容短、频、快，调低阈值可实现AI极速响应；

• 使用AI客服时，用户说话内容有长有短，且对智能体的延迟较为敏感，可使用推荐配置，打造更自然的交互体验；

• 使用AI心理咨询的用户可能更倾向于用大段的语句来倾诉自己遇到的问题，需要避免AI误打断，才能保证良好的用户体验，可提高阈值确保用户表达不受打断。

即构实时互动AI Agent 2.1语音断句效果全新升级，支持人声检测的断句阈值设置、停顿时长设置，可以根据业务需求和用户习惯调整数值，从而实现延迟和语音断句之间的平衡。

除了更新以上两项重点功能，2.1版本还在兼容性、交互灵活性、性能优化等方面进行了多项迭代：

• 支持更多TTS（文字转语音）厂商：支持MiniMax、阿里云语音合成，支持火山大模型版本TTS双向流式。

• 可关闭语音打断功能，支持手动打断，可适配手动打断、Push-to-talk对讲机等语音互动场景。

• 支持智能体实例级上下文管理，包括查询上下文、重置上下文等。

• 支持针对LLM大语言模型的输出过滤器，从而实现emoji过滤、特定词语替换等功能。

• 支持服务端回调分别获取智能体实例、用户的开始说话、结束说话的状态回调，同时支持获取智能体说话被打断状态。

• 全面优化接入示例，提供业务服务控制页面及配套客户端示例代码。

• 优化语音识别与打断逻辑，提升打断准确率，并对外部环境的音乐声进行针对性优化。

• 进一步优化语音端到端延迟，降低了200ms+延迟。

• 支持实时音视频RTC设置token鉴权的同时，不影响AI Agent的语音互动功能，增强互动的安全性。

未来，即构实时互动AI Agent 2.2版本还将提供声纹识别等能力，并支持一个用户与多个AI智能体同时进行互动。

来源：小王科技观