本指南提供了语音功能的其他高级设置。您可以依次前往代理设置 > 语音和 IVR > Speech-to-Text > 高级语音设置，开启和关闭这些高级设置。
这些设置可在代理设置（适用于整个代理）、流设置（适用于整个流并会覆盖代理设置）、页面设置（适用于页面并会覆盖流和代理设置）以及执行设置（适用于执行并会覆盖页面、流和代理设置）中找到。每个级别都提供这些设置的一个子集，具体取决于设置与该级别的相关性。
如需在任何较低级别配置这些设置，请先在代理设置中选择启用高级语音设置。
如果在这些较低级别选择了自定义选项，则更新后的代理级设置不会传播到 flow、页面和 fulfillment 级别。如果自定义选项包含多项设置，而您只想更新其中部分设置，那么您可能还需要更新其他设置，以便它们与代理级设置保持一致。
如果您在某个流程中清除启用高级语音设置，则该流程不会继承代理语音或插话设置。在继承代理设置的流（例如 Default Start Flow）上，请保持选中此选项。
各级别可用的设置
下表指出了每个级别可用的高级语音设置：
| 设置名称 | 智能体 | 流 | 页面 | 履行情况 |
|---|---|---|---|---|
| 模型选择 (Speech-to-Text) | ✔ | ✔ | ✔ | |
| 结束语音识别的灵敏度 | ✔ | ✔ | ✔ | |
| 基于超时的高级结束语音识别灵敏度 | ✔ | ✔ | ✔ | |
| 启用智能端点 | ✔ | |||
| 无语音超时 | ✔ | ✔ | ✔ | |
| 打断讲话 | ✔ | ✔ | ✔ | |
| 允许取消只答完一部分的回答播放 | ✔ | |||
| 音频导出存储桶 | ✔ | ✔ | ||
| DTMF | ✔ | ✔ | ✔ |
模型选择 (Speech-to-Text)
可以在代理、流和页面级别进行设置。
设置用于语音识别的语音模型。此设置因语言而异，因此您可以为不同的语言选择不同的模型。您还可以选择替换请求级语音模型。此选项会应用代理、流或页面模型，而不是请求或 ConversationProfile 中的模型。
在双向流式会话 (BidiStreamingAnalyzeContent) 中，请在代理、流和页面中使用相同的 Speech-to-Text 版本。请勿在同一会话中将 Speech-to-Text V2 (chirp_3) 与 Speech-to-Text V1 模型（例如 telephony_short 或 latest_short）混用。
对于 Dialogflow CX 电话网关，请参阅限制。 如需了解详情，请参阅语音模型。
结束语音识别的灵敏度
可以在代理、流和页面级别进行设置。
控制在最终用户音频输入中识别语音结束的灵敏度。该值介于 0（低灵敏度，不太可能结束语音）到 100（高灵敏度，更有可能结束语音）之间。
请注意以下建议：
- 使用 Speech-to-Text V2
chirp_3时，请先将语音结束敏感度值设为75，如果音频是嘈杂的 8 kHz 电话音频，则设为80。请勿将该值设置为100，否则可能会导致在嘈杂的线路上出现误识别。在控制台中，使启用基于超时的高级语音结束灵敏度保持启用状态。在 API 请求中，将useTimeoutBasedEndpointing设置为true。 - 如果您使用
ConversationProfile，请在代理、流程和页面设置中验证语音结束敏感度值。较低的值（例如35）可能会增加数秒的端点延迟时间。
基于超时的高级结束语音识别灵敏度
可在代理级别设置，并在流和页面级别停用。
如果启用此设置，系统会使用语音结束敏感度设置值作为衡量标准，建立相对音频静音超时，以确定语音结束。如果此设置处于停用状态（默认），则系统会使用语音结束敏感度设置值，通过 Google Cloud Speech-to-Text 提供的机器学习模型来确定语音结束。
虽然结束语音识别的灵敏度设置默认仅支持 en-US 语言标记的 phone_call 语音模型，但启用基于超时的高级结束语音识别的灵敏度设置允许为 Dialogflow 支持的所有语言和语音模型配置结束语音识别的灵敏度。
启用智能端点
只能在代理级别设置。
如果启用此设置，Dialogflow CX 将分析部分用户输入，以确定语音结束。例如，如果用户说“我想”并暂停，Dialogflow CX 将等待用户继续说出句子。
这对于数字参数收集特别有用，因为用户可能会说“1234”，然后暂停，再说“5678”。如需为特定参数应用此设置，您必须在参数表单中设置智能端点。
此设置仅适用于 en-US 语言代码，默认处于停用状态。
无语音超时
可以在代理、流和页面级别进行设置。
Dialogflow CX 停止等待最终用户音频输入的时间（以秒为单位）。默认值为 5 秒，最大值为 60 秒。对于此超时，Dialogflow CX 会调用无输入事件。
使用 Speech-to-Text V2 chirp_3 时，我们建议将无语音超时设置为 8 秒。
打断讲话
可在代理、流和 fulfillment 级别进行设置。
启用后，最终用户可以打断 Dialogflow CX 的音频回答。当被中断时，Dialogflow CX 将停止发送音频，并处理下一个最终用户输入。
如果消息队列中有多条消息，并且某条消息是由与启用了插话功能的页面、流程或代理关联的执行方式排入队列的，那么队列中的所有后续消息也将启用插话功能。在这种情况下，集成将停止为所有启用了插话功能的已加入队列的消息播放音频。
如果您将插话功能与自定义电话或流式传输集成搭配使用，请遵循以下准则：
- 每轮
StreamingAnalyzeContent调用：在对话的每一轮中，在InputAudioConfig中包含barge_in_config。如果您在后续轮次中省略barge_in_config，则插话功能会在第一轮后停止运行。 - 预录制的
.wav提示：剪裁<audio>标记中预录制音频文件的尾随静音。尾随静音会延长播放时间，这可能会延迟插话资格和无语音超时。
允许取消只答完一部分的回答播放
只能在履单级别设置。
在代理设置 > 语音和 IVR 中选中启用高级语音设置复选框，并在执行级别启用只答完一部分的回答后，您可以启用此设置。此设置允许取消只答完一部分的回答播放。
如果消息队列中的消息是由允许取消的 fulfillment 创建的，那么当队列中添加了另一条消息时，系统会取消播放该消息。如果您希望初始消息开始播放，但如果工作中的 webhook 在初始消息播放完成之前生成另一条消息，则取消该播放，此功能非常有用。
音频导出存储桶
可在代理和 flow 级别设置。
如果提供，则与请求关联的所有音频数据都将保存到 Cloud Storage 存储桶：
| 音频已保存 | 适用的请求 |
|---|---|
| 最终用户音频输入 | DetectIntent、StreamingDetectIntent、AnalyzeContent、StreamingAnalyzeContent |
| 为回答合成的 Text-to-Speech (TTS) 音频 | AnalyzeContent、StreamingAnalyzeContent |
向项目中的以下服务账号授予 Storage Object Creator 角色：
格式为
one-click@df-cx-ALPHANUMERIC_VALUE-ALPHANUMERIC_VALUE.的服务账号（如果您使用合作伙伴内置电话集成）。格式为
service-PROJECT_NUMBER@gcp-sa-dialogflow.的服务账号（如果您使用 Dialogflow CX 电话网关集成）。如需在 IAM 中查找此服务账号，请勾选包括 Google 提供的角色授权选项。
Chirp 3：高清语音的流式 Text-to-Speech
如要使用 Chirp3-HD 语音的流式 Text-to-Speech 功能，需要获得访问权限审批。
获得批准后，在代理设置 > 语音和 IVR > Text-to-Speech中选择启用流式 Text-to-Speech。流式合成使用 StreamingSynthesize 来减少较长回答的延迟时间。
请注意以下行为：
- 如需将流式文字转语音与插话搭配使用，请使用
BidiStreamingAnalyzeContent。每轮StreamingAnalyzeContent调用不支持具有插话功能的流式文字转语音。 - 在单个轮次中，Dialogflow CX 会将连续的文本
responseMessages串联成一个文字转语音合成请求。
DTMF
如需详细了解此功能，请参阅 DTMF（双音多频信号）文档。
如果您的 StreamingDetectIntent 客户端拦截了带外 DTMF 数字，请勿取消活跃的 gRPC 音频串流。如果取消流而不半关闭，则服务器流会保持打开状态，直到无语音超时到期。而是应停止发送音频帧，在同一数据流上发送 DTMF queryInput，然后半关闭该数据流。