المنزل المدونة

كيفية استخدام Qwen Audio 3.0 Realtime Plus وفلاش الوقت الحقيقي

غلاف مدونة Qwen Audio 3.0 Realtime Plus وRealtime Flash API

Nov 3, 2026

EmpirioLabs AI

إفصاح: كُتبت هذه المقالة بمساعدة الذكاء الاصطناعي وراجعتها EmpirioLabs AI.

تتوفر Qwen Audio 3.0 Realtime Plus و Qwen Audio 3.0 Realtime Flash على EmpirioLabs. كلاهما نموذجان لمحادثة صوتية من علي بابا: تفتح مقبس Web، وتبث صوت الميكروفون، ثم يتدفق الرد المنطوق. كل منها يحتوي على 19 صوتا، وكشف الدوران الذي يخبر بتوقف من نهاية الجملة، وبحث ويب محلي، واستدعاء وظيفي. توازن Realtime Plus بين التفكير الإيقاعي والإيقاع المحادثي؛ Realtime Flash مصمم للردود السريعة، بسعر أقل بكثير.

جربها في Playground: ريالزيم بلس أو فلاش الوقت الحقيقي. انقر على بدء الجلسة وتحدث.

شاهد فيلم الإطلاق

كل صوت في الفيلم هو رد حقيقي من Qwen Audio 3.0 عبر المقبس، كل منها يجيب على سؤال مكتوب: Plus مع loongeva، وبالصينية longanlingxi، وفلاش مع دانيال وشيري. الصور هي مخرجات Qwen Image 2.1، والموسيقى التصويرية تم إنتاجها بواسطة ACE-Step on EmpirioLabs. شاهدها على يوتيوب.

الاتصال

wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-realtime-flash التفويض: حامل YOUR_EMPIRIOLABS_API_KEY

تكوين الجلسة مع session.update، أضف صوت الميكروفون ك input_audio_buffer.append، واقرأ الرد من response.audio.delta، مع نصه المقال response.audio_transcript.دلتا. الصوت ينتقل كجهاز تحكم 16-بت، 16 كيلوهرتز للأعلى، و24 كيلوهرتز يعود للخلف.

{"type": "session.update", "session": { "voice": "دانيال", "تعليمات": "أنت وكيل دعم ودود لمحل دراجات.", "turn_detection": {"type": "smart_turn"}, "speed": 1.1 }}

الأصوات والأداء

  • أصوات. 19 صوتا، بما في ذلك الأصوات الإنجليزية دانيال, صدى, هانا، و شيري، مدرج في الصوت المعلمة في مرجع واجهة برمجة التطبيقات (API) وفي أداة اختيار Playground. اترك الصوت غير محدد و لونغانتشيان يتحدث. تختلف هذه الأصوات عن مجموعة نماذج Qwen Audio 3.1 الفورية.
  • توصيل. السرعة (0.5 إلى 2) يحدد معدل النطق، enable_speech_emotion الأداء التعبيري، و max_history_turns (من 1 إلى 50) كم عدد التبادلات السابقة التي يقرأها النموذج.
  • اكتشاف المنعطفات. server_vad، الافتراضي، ينهي دورك بعد توقف؛ smart_turn كما يحكم على ما قيل، حتى لا تنهي أصوات الحشو الدور، و smart_turn_v2 كما يجيب على المارة بشكل أقل.

البحث على الويب أو استدعاء الوظائف

البحث على الويب مغلق بشكل افتراضي؛ قم بتفعيله باستخدام enable_search، أو إعلان الدوال في الأدوات. استخدم واحدة في كل جلسة: session.update هذا سيعمل كلاهما، يتم رفض ب خطأ تسمية الحدث للحقل، وتحتفظ الجلسة بإعداداتها السابقة. للبحث في جلسة أعلنت عن الأدوات، أرسل "الأدوات": [] أولا. لكليهما في جلسة واحدة، استخدم Qwen Audio 3.1 فلاش الوقت الحقيقي.

ملاحظات تشغيلية

  • اختر الصوت قبل الدور الأول. بمجرد أن تبدأ الجلسة في معالجة الصوت، session.update بصوت مختلف يرفض ب خطأ حدث. فتح جلسة جديدة لتبديل الأصوات.
  • لا توجد إعدادات لغة. input_language و output_language هي إعدادات Qwen Audio 3.1؛ في 3.0 كل منها يحصل على خطأ تسمية الحدث، وبقية التحديث ينطبق. قل في التعليمات بأي لغة يجب أن أجيب.
  • استمر في البث لفترة وجيزة بعد انتهاء الخطاب. كشف الدوران ينهي الدور بسماع توقف المكبر، لذا أرسل ثانية من الصمت بعد الكلمة الأخيرة.

التسعير

يتم احتساب كل دور مكتمل من الاستخدام الذي يبلغ عنه النموذج، مع معدلات منفصلة للرموز الصوتية والنصية في كلا الاتجاهين، لذا فإن الرد النصي فقط يكلف أقل من الرد المنطوق. تحتسب نتائج البحث كرموز إدخال. المعدلات الحالية على ريالزيم بلس و فلاش الوقت الحقيقي صفحات النماذج و صفحة الأسعار.

ابدأ البناء

مرجع واجهة برمجة التطبيقات لكل نموذج هو عند ريالزيم بلس و فلاش الوقت الحقيقي، وجداول الأحداث الكاملة موجودة في واجهة برمجة التطبيقات للصوت في الوقت الحقيقي الدليل. للجيل الأحدث، انظر كيفية استخدام واجهة برمجة تطبيقات الفلاش الفورية Qwen Audio 3.1.

هل أنت مستعد لاستخدام نقاط نهاية أفضل؟

استكشف نماذجنا، أو تواصل معنا بشأن استفسارات الأعمال، أو النشر المخصص، أو أي شيء آخر.