（一）录入声纹

1.1 通过http接口注册声纹

本地通过音频录制软件录制音频，然后通过http接口注册声纹能力；举例使用 Audacity软件。

音频输入要求16K采样率，单声道，16位采样深度音频，并且录制音频保证只有一个人在说话，尽量保证环境安静。每个用户录制5份wav数据，要求录音不少于8秒；

可以在正式录制前，提前熟悉文本，试读几遍，防止在录制时出现停顿、错读等问题。

接口调用：api/v1/voiceprint/register url 返回声纹id信息， 由业务层进行保存声纹id。

1.2 通话自动录入

创建智能体'api/v1/aiagent/generateAIAgentCall' url

增加参数voice_fp_url = "{"enableRegisterPrint":true,"enableAudioEmbedding":true,"voicePrintInterrupt":1,"similarity":[0.2,0.28,0.3,0.41]}"

'similarity' 参数可以根据自己业务情况进行调整，长度必须是4个float组成数组, 并且从小达到进行排列；

声纹信息仅仅本次有效，每次创建会话都会重新录入声纹信息；

创建智能体'api/v1/aiagent/generateAIAgentCall' url

控制台增加录入声纹function-cal, 名称必须是voice_fp_add

用于语音输入『我是小明，请记住我的声音』 （默认function-call会内部处理掉不会下发到SDK） 直接开始注册命中后5秒内有效用于输入音频数据。

控制台增加删除声纹function-cal, 名称必须是voice_fp_remove

用于语音输入『我是小明，请删除我的声音』 （默认function-call会内部处理掉不会下发到SDK） 直接删除掉用户声纹信息。

（二）使用声纹

2.1 三方模型

当前支持使用三方模型，支持openAI规范, url

http header 增加扩展信息，

1   
2   "ext_info" = URL.Encode("[emotion]:高兴&[nick_name]:小明")

每次请求三方模型时候将当前说话人匹配出声纹对应昵称返回过去，如果当时未匹配到对应声纹 nick_name = "未知"

2.2 打断过滤

创建智能体'api/v1/aiagent/generateAIAgentCall' url

config.voice_fp_url 参数中的voicePrintInterrupt = 1

音频过来后会进行声纹匹配，如果匹配失败不会进行后续大模型请求，如果匹配成功进行后续大模型请求。

打断效果可以通过 参数中的similarity 进行调整，这个是4个float组成阈值参数，可以根据场景微调对应阈值参数。

用户一次发言音频长度小于1秒用第一个值； 用户一次发言音频长度小于2秒用第二个值； 用户一次发言音频长度小于3秒用第三个值； 用户一次发言音频长度大于3秒用第四个值；

（三）查询和删除

注册声纹 'api/v1/voiceprint/register', url

查询声纹 'api/v1/voiceprint/list', url

删除声纹 'api/v1/voiceprint/delete', url