整体介绍

此版本面向自带 RTC 频道、自带实时语音能力 的客户，Vidu 只负责数字人渲染与推流。你将数字人语音和动作指令给到 Vidu，Vidu 把渲染好的数字人推到对应的 RTC 频道。

最小接入流程

创建会话

HTTP 创建并带上你的 rtc_info

用你的 API Key 调用创建接口，把自己的 RTC 频道信息（rtc_info）一起传进去。Vidu 会用这份信息加入你的频道，准备推数字人画面。响应里的 live.id 后续 WebSocket、查询都要用；client_secret 用于浏览器场景的 WebSocket 建连。

建立 WebSocket 并发送开始信号

控制链路初始化

连接 /live/v1/external-lives/{live_id}/stream，连上后首帧必须发送 conn_init（在此之前发的其他信号都会被忽略）。收到 conn_init_ack.success=true 说明渲染侧就绪；若返回 NOT_READY，稍等片刻重试 conn_init 即可，无需重连 WebSocket。

运行期持续推送数据

音频、转写与控制信令

就绪后，一边通过二进制帧发送裸 PCM 音频，一边通过文本帧发送用户转写文本（type=9）和模型回复文本（type=10）。检测到用户开口时，发送 audio_interrupted（type=7）打断数字人当前回复。数字人画面由 Vidu 实时推到你自己的 RTC 频道，你在客户端订阅并渲染。

接口协议概述

接入全流程

创建（HTTP，带上你的 rtc_info）
拿到 live_id 和 client_secret
建立 WebSocket 流并发送 conn_init
收到 conn_init_ack.success=true 后进入直播
运行期持续发送 PCM 音频、用户转写文本（type=9）和模型回复文本（type=10），必要时发打断（type=7）
结束时发 call_hangup 或直接关闭 WebSocket。

接口总览

下表列出全部对外接口，可按用途查询入口，所有 HTTP 接口都需 Authorization: Token vda_xxx。

方法	路径	用途
POST	`/live/s_avatar/component`	创建（核心入口，返回 `live` 与 `client_secret`）
GET	`/live/v1/lives/{live_id}`	查询单个直播状态
WebSocket	`/live/v1/external-lives/{live_id}/stream`	喂数据 + 控制信令（音频 / 转写 / 打断 / 挂断）

通用约定

项目	约定
`{host}`	`{host}` 是域名，不含协议。国内环境为 `api.vidu.cn`，海外环境为 `api.vidu.com`。HTTP 用 `https://{host}`，WebSocket 用 `wss://{host}`
网关前缀	下文路径含 `/live` 前缀（网关路径）
JSON 字段	请求与响应字段使用 snake_case，例如 `image_uri`、`rtc_info`、`client_secret`
ID 与时间	`live_id`、`created_at` 等 int64 字段建议前端按字符串处理，避免 JavaScript number 精度问题
媒体传输	数字人画面由 Vidu 推到你自己的 RTC 频道；WebSocket 只承载控制信令、转写文本和你上行的 PCM 音频