目录

• 第一步 去以下网站申请API 的key
• 第二步 写提示词
• 记得放你刚刚申请的key

第一步 去以下网站申请API 的key

直接给你地址：

🎯 豆包语音控制台入口

https://console.volcengine.com/speech/app

打开后如果没登录会跳登录页，用你火山引擎账号登录即可。首次进入需要完成实名认证（个人用户微信/抖音扫脸即可）。

📍 进去之后的操作步骤

1. 进入控制台后，默认落在 应用中心 → 应用管理 页面

2. 点击 创建应用 按钮

3. 填写：
   • 应用名称：英文（如 my_digital_human）

   • 应用简介：随意

   • 选择服务：勾选 ✅ 流式语音识别大模型（这是 ASR）+ ✅ 语音合成大模型（这是 TTS，顺手一起勾了省得再建）

4. 点 确定 创建

🔑 创建后拿参数

在左侧 API 服务中心 → 点 豆包流式语音识别模型 2.0 → 页面拉到底部：

• APP ID：直接复制

• Access Token：点小眼睛图标显示后复制

这两个就是上一轮 StartVoiceChat 请求里 ASRConfig.ProviderParams 需要的 AppId 和 AccessToken。

TTS 的凭证在同一个应用下：左侧 API 服务中心 → 语音合成大模型 → 底部同样能拿到 APP ID 和 Access Token（TTS 还多一个 Cluster ID / ResourceId）。

💡 新版控制台如果界面和上面描述不一致，找顶部"新版/旧版"切换按钮，切到旧版操作流程和上面一致。

⚠️ Access Token 等同于密码，别截图发群、别硬编码到前端代码里。调试阶段直接用控制台看到的这个 Token 就行。

创建应用后系统会赠送 20 小时 ASR 免费试用额度，足够你跑通 MVP 。

拿到 APP ID 和 Access Token 后，把它们填到 StartVoiceChat 的 ASRConfig.ProviderParams 和 TTSConfig.ProviderParams 里就行。TTS 那边还需要一个 ResourceId，在语音合成大模型详情页的 “Cluster ID” 位置能看到（如 volc.service_type.10029）。

需要的话，下一步我可以帮你把拿到的这几个值填进完整的 StartVoiceChat 请求体里，你直接复制到 Postman/curl 就能发请求。
具体如何申请：
你已有的"API key"只是火山引擎账号级的访问密钥（AccessKey/SecretKey），用来给 StartVoiceChat 请求做 V4 签名鉴权。但要真正跑通这次调用，你还需要从控制台拿到5 类参数——下面按"调试阶段最小可跑通"的角度给你梳理清楚。

🎯 核心认知：StartVoiceChat 需要哪些参数

这是一个 POST 接口：https://rtc.volcengineapi.com?Action=StartVoiceChat&Version=2024-12-01

请求体必填五大块 ：

AppId - 实时对话式 AI 应用的 AppId（不是 AI 音视频互动方案的 AppId！）
RoomId - RTC 房间 ID
TaskId - 任务 ID，同 AppId+RoomId 下唯一，建议 UUID
AgentConfig - 智能体配置（Bot 身份、欢迎语、听谁说话）
Config - ASR + LLM + TTS 三件套配置

其中 AppId 必须与生成 RTC 鉴权 Token 时用的 AppId 一致 ——这是新手最容易踩的坑。

📋 你需要在控制台获取的 5 类参数

1. RTC 应用凭证（AppID + AppKey）

入口：火山引擎控制台 → 实时音视频 → 应用管理 → 创建应用

你会拿到：
• AppID：填到 StartVoiceChat 的 AppId 字段

• AppKey：用于服务端签发 RTC Token（调试阶段可以不用它，直接用控制台生成的临时 Token）

💡 vibe coding 调试阶段：直接在 RTC 控制台点"临时 Token"，输入自定义 RoomId 和 UserId，点生成即可得到临时 Token 。这样你暂时不需要自己实现 Token 签发逻辑。

2. 临时 Token（调试用）

入口：RTC 应用管理 → 你的应用 → 临时 Token

• 自定义 RoomId（如 my_demo_room）

• 自定义 UserId（如 my_demo_user）

• 生成后复制 Token 字符串

这个 Token 是客户端进房用的（也就是你的数字人前端进 RTC 房间用）。StartVoiceChat 接口本身不需要带这个 Token，但需要保证接口里的 AppId/RoomId 和 Token 签发时用的一致。

3. ASR 应用参数

入口：豆包语音控制台 → 应用管理 → 创建应用 → 勾选"语音识别"

你会拿到：
• ASR AppId（如 9321）

• AccessToken（如 MOaOa*****HA4h5B）

• ApiResourceId：volc.seedasr.sauc.duration（固定值）

填到请求的 Config.ASRConfig.ProviderParams 里 ：
“ASRConfig”: {
“Provider”: “volcano”,
“ProviderParams”: {
“Mode”: “bigmodel”,
“AppId”: “你的ASR应用ID”,
“AccessToken”: “你的ASR令牌”,
“ApiResourceId”: “volc.seedasr.sauc.duration”,
“StreamMode”: 2
}
}

4. TTS 应用参数

入口：豆包语音控制台 → 应用管理 → 创建应用 → 勾选"语音合成"

你会拿到：
• TTS AppId（如 9411）

• Token（如 OaOws1）

• ResourceId：如 volc.service_type.10029

填到 Config.TTSConfig.ProviderParams ：
“TTSConfig”: {
“Provider”: “volcano_bidirection”,
“ProviderParams”: {
“app”: {
“appid”: “你的TTS应用ID”,
“token”: “你的TTS令牌”
},
“audio”: {
“voice_type”: “zh_male_qingshuangnanda_mars_bigtts”,
“speech_rate”: 0
},
“ResourceId”: “volc.service_type.10029”
}
}

💡 voice_type 决定数字人声音。火山提供了几十种预设音色，调试阶段随便选一个，后续再换。

5. 方舟 LLM 接入点（EndPointId 或 ModelName）

入口：火山方舟控制台 → 模型推理 → 创建推理接入点

你会拿到：
• EndPointId（如 epid****212）：方舟接入点 ID

• 或使用 ModelName（如 doubao-seed-2-0-lite-260428）

填到 Config.LLMConfig ：
“LLMConfig”: {
“Mode”: “ArkV3”,
“EndPointId”: “你的方舟接入点ID”,
“MaxTokens”: 1024,
“Temperature”: 0.1,
“SystemMessages”: [
“你是一个友好的 AI 助手，请用简洁的中文回答问题。”
]
}

⚠️ Mode 必须是 ArkV3（用火山方舟）或 CustomLLM（用自己的 LLM 代理）。如果你上一轮问的"加知识库"，这里就要改成 CustomLLM + Url 指向你的 RAG 服务 。

🚀 最小可跑通的操作顺序

按这个顺序操作，半小时内能拿到第一次成功响应：

1. 开通服务：控制台开通「实时音视频 RTC」+「豆包语音（ASR+TTS）」+「火山方舟」
2. 创建 RTC 应用 → 拿到 AppID
3. 创建豆包语音应用 → 同时勾选 ASR 和 TTS → 拿到两套 AppId/Token
4. 创建方舟推理接入点 → 选 doubao-seed-2-0-lite-260428 这类模型 → 拿到 EndPointId
5. 生成临时 Token：用自定义 RoomId（如 demo_room）+ UserId（如 demo_user）生成
6. 服务端调用 StartVoiceChat：用你的 AccessKey/SecretKey 对请求做 V4 签名，发送上面的完整 JSON
7. 客户端进房：用 AppID + 临时 Token + RoomId + UserId 进 RTC 房间，就能听到 Bot 说话了

🔐 关于"已有 API key"的正确用法

你的 AccessKey/SecretKey 不直接出现在 StartVoiceChat 的请求体里，而是用来给 HTTP 请求做 AWS V4 风格签名，放到 Authorization Header 中 。

⚠️ 千万别把 AccessKey/SecretKey 下发到前端！Token 签发也必须在服务端做。调试阶段用控制台临时 Token 没问题，但生产环境必须自己实现 Token 签发服务。

📝 完整请求体骨架（调试可直接复制改）

POST https://rtc.volcengineapi.com?Action=StartVoiceChat&Version=2024-12-01
Authorization: <V4签名>
{
“AppId”: “你的RTC应用AppId”,
“RoomId”: “demo_room”,
“TaskId”: “task-001”,
“AgentConfig”: {
“TargetUserId”: [“demo_user”],
“UserId”: “Bot_001”,
“WelcomeMessage”: “你好，我是你的 AI 助手”
},
“Config”: {
“ASRConfig”: {
“Provider”: “volcano”,
“ProviderParams”: {
“Mode”: “bigmodel”,
“AppId”: “你的ASR应用ID”,
“AccessToken”: “你的ASR令牌”,
“ApiResourceId”: “volc.seedasr.sauc.duration”,
“StreamMode”: 2
}
},
“LLMConfig”: {
“Mode”: “ArkV3”,
“EndPointId”: “你的方舟接入点ID”,
“MaxTokens”: 1024,
“Temperature”: 0.1,
“SystemMessages”: [“你是一个友好的 AI 助手”]
},
“TTSConfig”: {
“Provider”: “volcano_bidirection”,
“ProviderParams”: {
“app”: {
“appid”: “你的TTS应用ID”,
“token”: “你的TTS令牌”
},
“audio”: {
“voice_type”: “zh_male_qingshuangnanda_mars_bigtts”
},
“ResourceId”: “volc.service_type.10029”
}
}
}
}

🛠 vibe coding 友好建议

既然你是 vibe coding，强烈建议直接 clone 火山的官方 demo 改：
git clone https://github.com/volcengine/rtc-aigc-demo

这个 demo 已经把 V4 签名、Token 签发、StartVoiceChat 调用全封装好了，你只需要把从控制台拿到的 AppID、AppKey、ASR/TTS 凭证、方舟 EndPointId 填进配置文件就能跑 。比自己从零拼装签名省 80% 时间。

跑通之后，再考虑把你上一轮问的"知识库 RAG"通过 LLMConfig.Mode=CustomLLM 注入进来。

需要的话，下一步我可以帮你拆：如何在 demo 基础上把 LLMConfig 改成 CustomLLM 模式，接你自己的知识库代理服务？

第二步 写提示词

我需要做一个数字人网站
此过程中你可以去火山引擎和方舟的官网查看API文档来开发
一共三个页面
一个孔子 一个苏格拉底 一个二者都有且二者之间都能互相对话
现在先把苏格拉底的做出来，我这边提供视频和语音API接口，
然后点击开始对话的时候，人先说话，然后AI回答，AI一回复，视频就开始重复播放，
孔子的也是如此，我先不提供孔子的视频 后面补上，然后AI回复的人设和提示词你放在网页上可以自定义配置
人设参数在下面，
孔子和苏格拉底页面都要有，基本相同，
苏格拉底的视频地址：“C:\Users\Lenovo\Downloads\苏格拉底数字人.mp4”
第三个页面是真人 孔子 苏格拉底三者都需要能对话
数字人需要能够和人对话，我准备用下面这个路线来对话，我申请了API接口：
ark-d26002b3-d6fd-4d74-b4fd-234f296ae854-d99c4
资源id：apikey-20260902165041-2w9j4

StartVoiceChat 的 LLMConfig 提供了三个字段来控制大模型的人设和行为，这就是你的"提示词入口"：
“LLMConfig”: {
“Mode”: “ArkV3”,
“EndPointId”: “epid****212”,
“MaxTokens”: 1024,
“Temperature”: 0.1,
“TopP”: 0.3,
“SystemMessages”: [
“## 人设\n你是一个全能的超级助手，具备强大的知识库、情感理解能力和解决问题的能力。你的目标是高效、专业、友好地帮助用户完成各类任务；\n\n## 约束\n始终主动、礼貌、有条理；\n回答准确但不冗长；\n不清楚的任务会主动澄清，不假设、不误导。”
],
“UserPrompts”: [
{ “Role”: “user”, “Content”: “你好” },
{ “Role”: “assistant”, “Content”: “有什么可以帮到你的?” }
],
“HistoryLength”: 3
}
三个核心字段的含义 ：
• SystemMessages（String[]）：系统提示词，定义角色、行为准则、输出格式。这是你注入人设、业务规则、回答约束的主入口
• UserPrompts（Object[]）：用户提示词，注入示例对话来增强回复质量（推荐用这个，具有自动逐出机制，比旧的 UserMessages 更稳定）
然后这个路线过程中，如果需要在控制台做哪些操作缺哪些参数，你可以告诉我 我再去补充一下
你参考API开发文档：git clone https://github.com/volcengine/rtc-aigc-demo
直接用实时音视频的 StartVoiceChat​ 接口：
接口文档：https://volcengine.com/docs/56651/1404673
请求地址：

POST https://rtc.volcengineapi.com?Action=StartVoiceChat&Version=2024-12-01

请求体里的 Config 可以同时配置 ASRConfig、TTSConfig、LLMConfig，且官方文档的示例就是火山自家三家服务（Provider: volcano / volcano_bidirection / Mode: ArkV3）。
配套的 AI 音视频互动方案接入指南：https://volcengine.com/docs/6348/2137641
端到端实时语音大模型接入：https://www.volcengine.com/docs/6348/1902994

技术上你用docker 的轻量版来做，最好用python 来开发网站，便于我后面直接把docker部署到服务器

其他技术参数补充：

记得放你刚刚申请的key