يتوفر Qwen Audio 3.1 Realtime Flash على EmpirioLabs. إنه المستوى السريع من نماذج المحادثات الصوتية Qwen Audio 3.1 من علي بابا: تفتح WebSocket، وتبث صوت الميكروفون، ثم يرد الرد المنطوق. يحتوي على 88 صوتا، وإعدادات منفصلة للغة التي تتحدث بها واللغة التي يجيب بها، وكشف الأدوار الذي يخبر بتوقف من نهاية الجملة، وبحث ويب أصلي يعمل في نفس الجلسة التي تستدعي فيها وظائفك.
جربها في Playground: اضغط على بدء الجلسة وتحدث.
شاهد فيلم الإطلاق
كل صوت في الفيلم هو رد حقيقي من Qwen Audio 3.1 Realtime Flash عبر المقبس، كل صوت يجيب على سؤال مكتوب: لوكا بالإنجليزية، يوشياويون بالماندرين، وإميلي باليابانية. الصور هي مخرجات كوين إيميج 2.1، والموسيقى التصويرية تم إنتاجها بواسطة ACE-Step على EmpirioLabs. شاهدها على يوتيوب.
الاتصال
افتح نقطة النهاية الفورية مع النموذج في سلسلة الاستعلام ومفتاح واجهة برمجة التطبيقات الخاص بك على المصافحة:
wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-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": "xunanchuan_v3.1", "instructions": "أنت مساعد سفر موجز. أجب بالإنجليزية.", "input_language": "en", "output_language": "en", "turn_detection": {"type": "smart_turn_v2"} }}
الأصوات، اللغات، والأسلوب
- أصوات. 88 صوتا، مدرجة في
الصوتالمعلمة في مرجع واجهة برمجة التطبيقات (API) وفي أداة اختيار Playground. اتركالصوتغير محدد وlonganqian_v3.1يتحدث. - اللغات.
input_languageهي اللغة التي تتحدث بها، والتي يكتب بها سجلك المكتوب، وoutput_languageاللغة التي يقرأ بها الرد. كل واحدة تأخذأوتوأو أحد 14 رمزا:zh,en,نعم,كو,vi,ث,معرف,AR,fr,de,es,PT,رو، وبل. - توصيل.
السرعة(0.5 إلى 2) يحدد معدل النطق،enable_speech_emotionالأداء التعبيري، وmax_history_turns(من 1 إلى 50) كم عدد التبادلات السابقة التي يقرأها النموذج.
كشف المنعطفات
server_vad، الافتراضي، ينهي دورك بعد توقف silence_duration_ms. smart_turn كما تحكم على ما قيل، بحيث لا تنهي أصوات الحشو مثل "أم" دورا أو تقطع الرد، و smart_turn_v2 كما يجيب على المارة والملاحظات الجانبية بشكل أقل. المجموعة turn_detection أن تلتزم بالأدوار بنفسك.
البحث على الويب مع وظائفك الخاصة
البحث على الويب مغلق بشكل افتراضي. شغله ب enable_search، وتعلن الدوال في الأدوات في نفس الجلسة: يمكن للنموذج البحث عن شيء ما واستدعاء وظيفتك ضمن محادثة واحدة.
{"type": "session.update", "session": { "enable_search": true, "tools": [{ "type": "function", "name": "book_table", "description": "حجز طاولة مطعم", "المعاملات": {"type": "object", "properties": { "restaurant": {"type": "string"}, "time": {"type": "string"}}, "required": ["Restaurant", "time"]} }] }}
ملاحظات تشغيلية
- اختر الصوت قبل الدور الأول. بمجرد أن تبدأ الجلسة في معالجة الصوت،
session.updateبصوت مختلف يرفض بخطأحدث. فتح جلسة جديدة لتبديل الأصوات. - لغة الإخراج لا تترجم. يحدد اللغة التي يقرأ بها الرد. اطلب تلك اللغة في
التعليماتأيضا. - استمر في البث لفترة وجيزة بعد انتهاء الخطاب. كشف الدوران ينهي الدور بسماع توقف السماعة، لذا العميل الذي يقطع الصوت عند الكلمة الأخيرة لا يحصل على رد. أرسل حوالي ثانية من الصمت بعد ذلك.
التسعير
يتم احتساب كل دور مكتمل بناء على الاستخدام الذي يبلغ عنه النموذج، مع معدلات منفصلة لرموز الصوت والنص في كلا الاتجاهين، لذا هناك رد نصي فقط، مع الصوت تم إسقاطها من الأساليب، تكلفة أقل من النسخة المنطوقة. تضاف نتائج البحث إلى المحادثة وتحتسب كرموز إدخال. سعر الفلاش في الوقت الحقيقي أقل بكثير كوين أوديو 3.1 ريلتر بلس. الأسعار الحالية على صفحة النماذج و صفحة الأسعار.
ابدأ البناء
جرب Qwen Audio 3.1 Realtime Flash في Playground، اقرأ توثيق واجهة برمجة التطبيقات، وإيجاد جداول الأحداث الكاملة في واجهة برمجة التطبيقات للصوت في الوقت الحقيقي دليل.




