MOSS-LIVE
Beta实时交互MOSS-Live 1.0 是面向自然、富有表现力的实时对话的全双工语音模型，支持边听边说、自然打断与后台 Agent 协作，并可结合实时视频流进行交互。
ENDPOINT
WebSocket /v1/realtime
当前调用路径
输入
实时音频 + 实时视频流
请求可接受的内容
输出
音频 + 文本
成功返回的内容
模型概览
MOSS-Live 1.0 是面向自然、富有表现力的实时对话的全双工语音模型。它能够边听边说，支持自然打断，并将复杂推理和长程任务委派至后台异步执行，在任务执行期间持续与用户交流。模型同时支持实时视频流输入，结合声音与画面理解对话场景，流式输出语音与文本。
计费
限时免费。
0 积分 查看完整计费标准
模态支持
文文本仅输出
音音频输入与输出
图图片不支持
视视频仅输入 · 实时视频流
支持的 Endpoint
单人语音生成
/v1/audio/speech不支持多人对话语音生成
/v1/audio/speech/speakers不支持音频转写
/v1/audio/transcriptions不支持音色设计
/v1/audio/voice/generations不支持多模态理解
/v1/responses不支持实时交互
/v1/realtime支持图像生成
/v1/images/generations不支持能力
性能高
推理速度实时交互
流式 支持
异步任务接口 不支持
- 语义打断与判停
- 长程任务异步委派
- 主动交互与附和
- 多人对话拒识
- 实时视听理解
- 工具调用
- 同声传译
- 播报进度感知
版本与快照
Model ID
moss-live-1.0