الإجابة المختصرة: جميع نماذج Qwen Audio الفورية الأربعة سمعت نفس السؤال المنطوق بشكل صحيح وبدأوا بالإجابة بعد حوالي نصف ثانية من انتهائه. كان سعر نموذجي فلاش أقل من عشر سنت للدور، ونموذجا بلس أقل من سنت. Qwen Audio 3.1 فلاش الوقت الحقيقي, كوين أوديو 3.1 ريلتر بلس, كوين أوديو 3.0 ريلتايم بلس و كوين أوديو 3.0 فلاش الوقت الحقيقي جميعها تعمل على EmpirioLabs عبر نفس نقطة النهاية الفورية. استمع إلى كل رد أدناه؛ نحن لا نعلن فائزا.
السؤال
"لدي رحلة في التاسعة صباحا والمطار يبعد أربعين دقيقة. متى يجب أن أغادر المنزل؟"
استمع إلى الردود الأربعة
"يجب أن تغادر المنزل بحلول الساعة 7:20 صباحا لمراعاة رحلة الرحلة التي تستغرق 40 دقيقة وفترة وصول قياسية لمدة ساعتين. هذا يضمن وصولك إلى المطار بحلول الساعة 8:00 صباحا، أي قبل رحلتك الساعة 9:00 صباحا بوقت طويل."
"يجب أن تغادر المنزل بحلول 7:40 صباحا لتصل إلى المطار بحلول 8:20 صباحا. هذا يمنحك 40 دقيقة احتياطية لتسجيل الدخول والمرور عبر الأمن قبل رحلتك الساعة 9:00 صباحا."
"يجب أن تغادر المنزل قبل رحلتك بساعتين على الأقل لمراعاة تسجيل الدخول والأمن. وبالنظر إلى الرحلة التي تستغرق 40 دقيقة، حاول المغادرة حوالي الساعة 6:20 صباحا لرحلة الساعة 9:00 صباحا."
"يجب أن تغادر المنزل بحلول الساعة 7:40 صباحا لحساب وقت القيادة الذي يستغرق 40 دقيقة ووقت تسجيل الوصول المعتاد للمطار. هذا يمنحك فترة وصول قبل ساعة على الأقل من رحلتك الساعة 9:00 صباحا."
النتائج نظرة سريعة
| 3.1 فلاش الوقت الحقيقي | 3.1 الوقت الحقيقي بلس | 3.0 الوقت الحقيقي بلس | 3.0 فلاش الوقت الحقيقي | |
|---|---|---|---|---|
| سعر هذا الدور | $0.0008 | $0.0080 | $0.0085 | $0.0007 |
| أول تسجيل صوتي بعد انتهاء السؤال | 0.48 ثانية | 0.54 ثانية | 0.49 ثانية | 0.52 ثانية |
| طول الرد المنطوق | 13.1 ثانية | 10.5 ثانية | 11.4 ثانية | 10.6 ثانية |
| الأصوات | 88 | 88 | 19 | 19 |
| البحث على الويب مع استدعاء الدوال في جلسة واحدة | نعم | لا، أحدهما أو الآخر | لا، أحدهما أو الآخر | لا، أحدهما أو الآخر |
| إعدادات لغة الإدخال والإخراج | نعم | نعم | لا | لا |
كيف أدرناها
تم طرح السؤال مرة واحدة (مركبا باستخدام Qwen Audio 3.1 TTS) وبث إلى كل نموذج في الوقت الحقيقي كتردد 16 كيلوهرتز PCM، تلاها ثانية ونصف من الصمت، بعد انتهاء wss://api.empiriolabs.ai/v1/realtime. كل جلسة استخدمت نفس التعليمات ("أنت مساعد صوتي مفيد. أجب بالإنجليزية في جملتين قصيرتين."), وإخراج النص والصوت، واكتشاف دوران الخادم مع توقف مدته 900 مللي ثانية. طلقة واحدة لكل منها، في 2 نوفمبر 2026. يمتد وقت الصوت الأول من النموذج الذي يكتشف نهاية السؤال إلى أول صوت للرد، يقاس عند العميل. الأسعار هي المبالغ المفروضة لهذه الأدوار بالذات.
ما الذي يجب البحث عنه
الحساب. المغادرة الساعة 7:40 مع رحلة تستغرق أربعين دقيقة تصل الساعة 8:20، أي قبل أربعين دقيقة من الرحلة؛ المغادرة الساعة 7:20 تصل الساعة 8:00، أي قبل ساعة واحدة. قارن خطة كل رد مع المخزن المؤقت الذي يذكر أنه يقدمه.
فلاش ضد بلس. في كل جيل، يسعر فلاش أقل بكثير من Plus. في هذا الاختبار بدأ الأربعة يتحدثون خلال بضع أجزاء من الثانية من بعضهم البعض.
أجر نفس الاختبار على EmpirioLabs
wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-realtime-flash التفويض: حامل YOUR_EMPIRIOLABS_API_KEY {"type": "session.update", "session": { "voice": "xunanchuan_v3.1", "تعليمات": "أنت مساعد صوتي مفيد. أجب بالإنجليزية في جملتين قصيرتين.", "turn_detection": {"type": "server_vad", "silence_duration_ms": 900} }}ثم بث صوت الميكروفون ك input_audio_buffer.append الأحداث. قم بتبديل النموذج في الرابط لتجربة النماذج الأخرى، باستخدام صوت 3.0 مثل دانيال على نماذج 3.0، أو اضغط على بدء الجلسة في playground.
الأسئلة الشائعة
هل تم تعديل الردود أم إعادة المحاولة؟
لا. كل إجابة هي أول إجابة للنموذج على السؤال، دون تعديل.
لماذا تكلف موديلات بلس حوالي عشرة أضعاف سعرها؟
رموز الصوت والنص لديهم أسعارها أعلى. كانت عداد الرموز لهذا الدور متشابها في جميع الرموز الأربعة.
أي واحد يجب أن أستخدم؟
جرب السؤال الذي يطرحه المستخدمون فعليا. تغطي أدلة الإطلاق إعدادات كل طراز: Qwen Audio 3.1 فلاش الوقت الحقيقي و Qwen Audio 3.0 Realtime Plus وفلاش الوقت الحقيقي.
