视频通话能力可以赋予AI感知周围环境、用户行为和状态的视觉理解能力,打造更丰富生动的实时多模态互动体验,例如:文物讲解、景点导览、烹饪指导、模拟面试等。本文介绍如何通过多模交互套件接入视频通话能力。
开通视频通话Agent
在多模态开发套件中创建多模态应用(语音应用不支持视频通话)。
在应用配置-Agent - 添加 - 推荐应用中添加【视频通话】,并保存应用。

使用官方Android/iOS SDK 进行视频通话
百炼多模交互 Android 和iOS SDK 内置了 RTC 协议,原生支持音视频录制和传输,通过简单的配置即可方便的实现视频通话功能。
SDK 调用流程
-
设置交互链路(
ChainMode)为RTC,并设置upstream.type为AudioAndVideo。 -
进入视频通话 Agent。支持语音或者发送指令方式切换到视频通话。
- 启动对话后直接进入视频通话:启动对话之后,等待对话状态切换到 Listening状态后,发送切换视频对话指令。
- 通过语音命令进入视频通话:在对话建立连接中,语音说“进入视频通话”。
- 服务端返回视频通话 Agent 欢迎语,即成功进入视频通话。
- 退出视频通话 Agent:发送退出指令或者语音说“退出视频通话”。
请求参数说明
通过 requestToRespond 方法请求提交参数如下。一级参数 | 二级参数 | 三级参数 | 是否必选 | 说明 |
|---|---|---|---|---|
parameters | biz_params | videos | 是 | 类型为 List。list 中的元素为视频请求相关的 object。 |
调用时序图
