指令说明
驱动方式 | 指令类型 | 驱动指令 | 适用场景 | |
长连接驱动方式（WebSocket） | 音频指令 | | 使用音频驱动数智人。 | |
| 文本指令 | 子句模式 | 1. 适用于直播场景； 2. 可支持插播功能。 | |
| | | 非子句模式 | 适用于用户自行接入大模型，用大模型的流式输出驱动数智人的场景。 |
| | | 1. 适用于数智人播报的场景； 2. 适用于在数智人平台绑定了对话服务的场景。 说明： | |
| 心跳指令 | | 用于长连接的保活，推荐每1～2分钟发送一次。 | |
直接驱动方式（HTTPS） | 文本指令 | | 1. 适用于短连接版数智人播报的场景； 2. 常用于试用、一句话驱动等场景。 | |
说明：
指令类型：
文本指令：发送文本指令是发送播报文本给云端，由云端合成语音进而驱动数字人讲话的指令；
音频指令：发送音频指令是发送语音流式分片给云端，由云端进行原声或变声驱动数字人讲话的指令；
心跳指令：发送心跳指令是为了维系长连接和会话不断开，如果客户端不发送心跳且无有效上下行数据，云端超过3分钟主动断开长连接，10分钟主动关闭会话断流。
名词解释：
子句与非子句：子句是构成复杂段落的基本单位，能够表达一个完整的陈述，如“腾讯云智能数智人采用语音交互、虚拟形象模型生成等多项 AI 技术”；非子句是指不构成完整句子结构的片段，如“智”、“能”、“数智”、“人”。
插播：当已经发送子句A1、A2、A3、A4，数智人服务端正在处理A2时，此时发送插播子句X，数智人服务端处理完A2后，会优先处理X，最终的播报顺序为A1、A2、X、A3、A4。
播报与对话服务：播报是单向的，用户发送什么内容，数智人就说什么内容；对话是双向的，用户发送问题后，数智人根据数智人平台绑定的对话服务来说出答案。
对话服务：目前对话服务支持腾讯行业大模型对话以及云小微对话。
腾讯行业大模型：大模型知识引擎（LLM Knowledge Engine），是面向企业客户及合作伙伴的，基于大语言模型的知识应用构建平台，结合企业专属数据，提供知识问答等应用范式，更快更高效地完成大模型应用的构建，推动大语言模型在企业服务场景的应用落地。
云小微对话：即使用智能客服机器人服务，支持主动询问式多轮对话，结合智能学习能力，实现高准确率人机对话。
驱动方式与指令类型的对应关系
新建流时的 DriverType 参数和指令类型的对应关系如下：
DriverType=1：文本驱动 支持发送文本指令（SEND_TEXT）、心跳指令（SEND_HEARTBEAT）
DriverType=3：音频驱动 支持发送文本指令（SEND_TEXT）、发送音频指令（SEND_AUDIO）、心跳指令（SEND_HEARTBEAT）
当DriverType=3时，文本与音频的发送顺序如下：
1. 当文本正在播报，即下行消息中数智人状态SpeakStatus=TextStart（文本播报中）时，如果要发送音频指令，需要发送空文本指令的打断指令（Interrupt设置为true），直至返回下行消息中 SpeakStatus=TextOver（文本播报结束）才可以发送音频。
2. 当文本正在播报时，如果要播报新文本，直接发送新文本的文本指令，当前正在播报的文本被打断完成会收到 TextOver 的下行消息，新文本播报开始会收到 TextStart，播报结束会收到 TextOver 。
3. 当音频驱动进行中，如果要中断音频驱动发送文本指令驱动，需要发送音频指令（IsFinal 设置为 true）结束语音驱动，直至收到 AudioOver 事件之后才可以发文本或者音频。
