النوع
المواصفة
السعر
المدخلات: صوت
لكل 1M رموز إدخال صوت
$1.86
المدخلات
لكل 1M رموز مطالبة
$0.46
المخرجات
لكل مليون رمز يتم إنشاؤها، الردود النصية فقط
$1.40
المخرجات: صوت
لكل مليون رمز صوتي مولد
$3.74
البحث على الويب
لكل نداء عند استدعائه
$0.00
Qwen Audio 3.1 Realtime Flash وQwen Audio 3.0 Realtime Flash جنبًا إلى جنب: المواصفات والقدرات والمعلمات والأسعار المباشرة من كتالوج EmpirioLabs.
Alibaba Cloud توليد الصوتQwen Audio 3.1 Realtime Flash وQwen Audio 3.0 Realtime Flash كلاهما من نماذج Alibaba Cloud ضمن فئة توليد الصوت، ومتاحان عبر واجهة EmpirioLabs API.
| المواصفة | Qwen Audio 3.1 Realtime Flash | Qwen Audio 3.0 Realtime Flash |
|---|---|---|
| معرّف النموذج | qwen-audio-3-1-realtime-flash | qwen-audio-3-0-realtime-flash |
| المطور | Alibaba Cloud | Alibaba Cloud |
| تاريخ الإصدار | 27 أكتوبر 2026 | 10 أغسطس 2026 |
| نافذة السياق | 240K رمز | 16K رمز |
| أقصى إخراج | 16,384 رمز | 8,192 رمز |
| الإدخال | صوت نص | صوت نص |
| الإخراج | صوت نص | صوت نص |
| المنطقة | Singapore | Singapore |
| نقاط النهاية | WEBSOCKET /v1/realtime | WEBSOCKET /v1/realtime |
| القدرات |
أسعار مباشرة من كتالوج EmpirioLabs لكلا النموذجين. كل جدول أسعار يطابق دائمًا ما تحتسبه الواجهة.
معلمات الطلب المدرجة لكل نموذج على EmpirioLabs، مع القيم المسموح بها أو النطاق حيثما ينطبق. تشير الشرطة إلى معلمة غير مدرجة للنموذج.
| المعامل | Qwen Audio 3.1 Realtime Flash | Qwen Audio 3.0 Realtime Flash |
|---|---|---|
| voice | longanqian_v3.1, longanhuan_v3.1, longanlingxin_v3.1, longanf... الافتراضي: longanqian_v3.1 | longanqian, longanlingxin, longanlufeng, longanlingxi, longan... الافتراضي: longanqian |
| instructions | string | string |
| input_language | auto, zh, en, ja, ko, vi, th, id, ar, fr, de, es, pt, ru, it الافتراضي: auto | - |
| output_language | auto, zh, en, ja, ko, vi, th, id, ar, fr, de, es, pt, ru, it الافتراضي: auto | - |
| speed | 0.5 إلى 2 | 0.5 إلى 2 |
| enable_speech_emotion | boolean الافتراضي: true | boolean الافتراضي: true |
| max_history_turns | 1 إلى 50 | 1 إلى 50 |
| enable_search | boolean الافتراضي: false | boolean الافتراضي: false |
| modalities | string الافتراضي: ["text","audio"] | string الافتراضي: ["text","audio"] |
| input_audio_format | pcm16 الافتراضي: pcm16 | pcm16 الافتراضي: pcm16 |
| output_audio_format | pcm24 الافتراضي: pcm24 | pcm24 الافتراضي: pcm24 |
| turn_detection | string الافتراضي: {"type":"server_vad"} | string الافتراضي: {"type":"server_vad"} |
صوت مزدوج بالكامل عبر WebSocket عند wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-realtime-flash، يتم التحقق منه باستخدام رأس حامل التفويض العادي. قم بتكوين الجلسة باستخدام session.update عبر المقبس: الصوت، التعليمات، الوسائط، اكتشاف الأدوار، اللغات والتسليم.
اضبط input_language على اللغة التي تتحدث بها، والتي يكتب بها نص خطابك، output_language إلى اللغة التي يقرأ بها الرد المنطوق. كل واحدة تأخذ auto أو واحدة من zh، en، ja، ko، vi، th، id، ar، fr، de، es، pt، ru وit. لغة الإخراج لا تترجم الرد، لذا اطلب لغتها في تعليماتك أيضا. speed (0.5 إلى 2) تحدد معدل النطق، enable_speech_emotion طريقة التعبير التعبيري، وmax_history_turns (1 إلى 50) عدد التبادلات السابقة التي يقرأها النموذج.
الأصوات في هذا الطراز هي مجموعة منفصلة. اختر صوتا من قائمة الأصوات بدلا من حمل صوت مقابل نموذج آخر، أو اتركه غير مضبوط ويتم توفير الصوت الافتراضي لك.
البحث على الويب مغلق بشكل افتراضي. شغله باستخدام enable_search. يعمل في نفس جلسة استدعاء الوظائف، وتضاف نتائج البحث إلى المحادثة وتحتسب كرموز إدخال.
يتم تسعير رموز الصوت والنص بشكل منفصل في كلا الاتجاهين. يتم احتساب الرد المنطوق فقط على رموز إخراج الصوت، وينطبق معدل إخراج النص على الردود التي لا تحتوي على صوت. يتم احتساب كل دور مكتمل بشكل مستقل من الاستخدام الذي يبلغ عنه النموذج.
صوت مزدوج بالكامل عبر WebSocket عند wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-realtime-flash، يتم التحقق منه باستخدام رأس حامل الصلاحيات العادي. قم بتكوين الجلسة باستخدام session.update عبر المقبس: الصوت، التعليمات، الوسائط، اكتشاف الأدوار والتسليم.
speed (0.5 إلى 2) يحدد معدل الكلام، enable_speech_emotion طريقة التعبير، max_history_turns (1 إلى 50) عدد التبادلات السابقة التي يقرأها النموذج. اطلب لغة الرد في تعليماتك.
الأصوات في هذا الطراز هي مجموعة منفصلة. اختر صوتا من قائمة الأصوات بدلا من حمل صوت مقابل نموذج آخر، أو اتركه غير مضبوط ويتم توفير الصوت الافتراضي لك.
البحث على الويب مغلق بشكل افتراضي. قم بتفعيله باستخدام enable_search. لا يمكن تفعيله في نفس الجلسة التي يتم فيها استدعاء الوظائف، وتضاف نتائج البحث إلى المحادثة وتحتسب كرموز إدخال.
يتم تسعير رموز الصوت والنص بشكل منفصل في كلا الاتجاهين. يتم احتساب الرد المنطوق فقط على رموز إخراج الصوت، وينطبق معدل إخراج النص على الردود التي لا تحتوي على صوت. يتم احتساب كل دور مكتمل بشكل مستقل من الاستخدام الذي يبلغ عنه النموذج.
يجري Qwen Audio 3.1 Realtime Flash محادثة مباشرة عبر WebSocket على wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-realtime-flash، وليس عبر نقاط نهاية HTTP. اتصل باستخدام معرف النموذج qwen-audio-3-1-realtime-flash وأرسل مفتاح EmpirioLabs API في ترويسة Authorization: Bearer أثناء المصافحة. ينتقل الصوت في الاتجاهين بصيغة PCM 16-بت مرمّزة بـ base64. لا يستطيع المتصفح ضبط الترويسات على WebSocket، لذا افتح هذا الاتصال من خادمك ومرّر الصوت إلى المتصفح عبر مقبسك الخاص. يُستدعى النموذجان عبر نقطة النهاية نفسها. اضبط model على qwen-audio-3-1-realtime-flash أو qwen-audio-3-0-realtime-flash. احصل على مفتاح API من لوحة تحكم EmpirioLabs.
import asyncio, json, os, websockets
async def main():
async with websockets.connect(
"wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-realtime-flash",
additional_headers=[
("Authorization", f"Bearer {os.environ['EMPIRIOLABS_API_KEY']}"),
],
max_size=None,
) as ws:
print(json.loads(await ws.recv())["type"]) # session.created
await ws.send(json.dumps({
"type": "conversation.item.create",
"item": {
"type": "message",
"role": "user",
"content": [{"type": "input_text", "text": "Say hello."}],
},
}))
await ws.send(json.dumps({"type": "response.create"}))
async for raw in ws:
event = json.loads(raw)
if event["type"] == "response.audio.delta":
... # base64 audio chunk, append to your playback buffer
elif event["type"] == "response.done":
break
asyncio.run(main())اختبارات مطالبات ومقارنات تغطي كلا النموذجين.
Qwen Audio 3.1 Realtime Flash هو الإصدار الأحدث (27 أكتوبر 2026)؛ أما Qwen Audio 3.0 Realtime Flash فصدر في 10 أغسطس 2026. Qwen Audio 3.1 Realtime Flash لديه نافذة السياق الأكبر: 240K رمز، مقابل 16K لدى Qwen Audio 3.0 Realtime Flash. يعيد Qwen Audio 3.1 Realtime Flash حتى 16,384 رمز إخراج لكل استجابة، ويعيد Qwen Audio 3.0 Realtime Flash حتى 8,192. المواصفات وجداول الأسعار والمعلمات في هذه الصفحة مصدرها كتالوج EmpirioLabs المباشر.
Qwen Audio 3.1 Realtime Flash هو الإصدار الأحدث (27 أكتوبر 2026)؛ أما Qwen Audio 3.0 Realtime Flash فصدر في 10 أغسطس 2026.
للنموذجين السعر نفسه لـ المدخلات: صوت (لكل 1M رموز إدخال صوت) والمدخلات (لكل 1M رموز مطالبة). جدولا الأسعار المباشران موجودان في هذه الصفحة ويطابقان دائمًا ما تحتسبه الواجهة.
نعم. يستخدم النموذجان WEBSOCKET /v1/realtime بمفتاح EmpirioLabs API نفسه، لذا يكفي في معظم التكاملات تغيير قيمة model للتبديل. راجع أولًا جدول المعلمات في هذه الصفحة إذا كنت تعتمد على معلمة خاصة بنموذج معين.
نعم. افتح كل نموذج في ملعب EmpirioLabs واضغط Start session لتجربته في المتصفح.
تحقق من تسعيرنا أو تواصل إذا كنت ترغب في نشر نموذجك الخاص على مجموعتنا.
