文档中心

实时音视频

请输入

开发指南

传递自定义指令

您可通过 System Prompt 引导 LLM 在回复文本中生成指定格式的指令（如动作、情绪）。同时，结合 IgnoreBracketText 功能，这些指令不会被 TTS 播报，且会随字幕下发至客户端，用于实现本地业务逻辑，触发客户端 UI 等。

如果您使用的是第三方大模型，可通过客户端传递自定义信息。具体操作，请参见方式二：通过客户端动态透传。

使用限制

该功能仅在使用火山引擎豆包语音的 TTS 服务时生效。

实现原理

生成指令：在 System Prompt 中预先定义好规则，引导 LLM 在回复文本中生成目标指令，并包裹在指定的括号内。例如 (action:wave)。

TTS 播报过滤：TTS 在处理文本时，会识别并跳过 IgnoreBracketText 指定的括号及其内部内容，只朗读括号外面的文本。

指令下发：利用实时字幕功能，将包含完整指令（含括号内容）的文本实时下发至客户端。

客户端解析：客户端接收并解析字幕消息，提取括号内的指令，并执行相应的业务逻辑。

实现步骤

步骤 1：在 Prompt 中定义规则

在 LLM 的系统提示词（LLMConfig.SystemMessages）中，明确指示 LLM 将特定信息（如情绪、动作、指令）放入指定的括号中。

支持的括号类型：中文括号（）、英文括号 ()、中文方括号【】、英文方括号 [] 和英文花括号 {}。

内容长度限制：单组括号内的内容长度不应超过 500 字符，否则可能无法被正确过滤。

Prompt 示例

## 角色​
你是一位名叫“小乐”的智能客服。​
​
## 技能​
1. 回答用户关于产品的问题。​
2. 当你的回复表达积极情绪时，在句末加上（happy）；表达歉意时，在句末加上（sorry）。​
3. 当需要引导用户查看某个具体订单时，使用格式【show_order: "订单号"】。​
​
## 约束​
- 括号内的内容是给程序执行的指令，你不能直接读出来。​
- 单个括号内的内容不能超过 500 字符。​

步骤 2：开启过滤功能

调用 StartVoiceChat 接口，在 Config.TTSConfig.IgnoreBracketText 字段中配置需要被过滤的括号类型。

{​
    "Config": {​
        "TTSConfig": {​
            // 索引对应关系：1:（）, 2: (), 3:【】, 4: [], 5: {}​
            "IgnoreBracketText": [1, 2] // 同时过滤中英文圆括号内的内容​
            // ...​
        }​
    }​
}​

步骤 3：在客户端解析字幕

在客户端监听实时字幕消息回调。获取全量文本后，通过正则表达式或字符串匹配提取括号内的指令，并执行对应的业务逻辑。如何获取字幕消息，请参见实时字幕（对话记录）。

注意事项

通常被过滤的内容会显示在字幕里。若括号内容位于回复的最末端，且被判定为独立句子（其后无包含真实语义内容），它不会出现在最终的字幕里。

会显示：...我知无不言（自信满满）！ → 字幕会包含（自信满满）！

不显示：...我知无不言！（自信满满）。 → 字幕不包含（自信满满）。

最近更新时间：2026.09.22 11:07:49

这个页面对您有帮助吗？

有用

无用