豆包seed-realtime的客户端播放状态改由response事件驱动,asr识别事件只用于字幕、纪要等文本展示。官方协议要求客户端维护listening和speaking两个状态:response.created进入播放状态,response.canceled或response.done返回监听状态;收到取消事件时,还必须同步清空播放器缓冲,避免旧音频继续播放。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Response事件决定客户端状态,ASR不承担播放器启停控制。
识别完成不等于回答完成
这一设计将用户语音识别和模型回复的生命周期分开。transcription.completed等ASR下行事件可以更新识别文字,但不能据此停止当前回复或启动下一段音频。response.output_audio.delta用于传递输出音频数据,而音频分段开始、结束事件也不能直接替代整个Response的生命周期。
对于已经接入实时语音的客户端,迁移需要同时核对事件名称、会话配置及播放队列控制。只修改界面状态标签,却不停止正在消费的音频和清除待播队列,仍可能在用户打断后继续外放旧内容。

Response结束与音频片段结束应分别处理。
关闭麦克风也要通知服务端
模型依赖上行音频流保活。如果客户端关闭麦克风后停止发送音频,必须发送input_audio_mute.commit;恢复麦克风时发送input_audio_unmute.commit。官方提醒,单纯停止音频而不发送静音事件,会因持续收不到输入而触发超时,导致模型无响应。
协议层的静音通知不等于替应用完成麦克风权限管理,也不允许在用户关闭麦克风后继续偷偷采音。应用应让采集状态、界面提示与上行事件保持一致,重连后按新会话状态重新初始化。鉴权或参数错误应先核对配置,不能把所有错误都交给无限重试。
立即进入“豆包AI人工智官网入口”;
立即学习“豆包AI人工智能在线问答入口”;



















