النسخة المباشرة عبر مقبس، تبث كلمات جزئية بينما يتحدث المتحدث وجملة ثابتة في كل توقف، بسعر لكل ساعة صوتية.
Alibaba Cloudالنسختاريخ الإصدار 30 يوليو 2026Singaporeنقطة نهاية مملوكةجديدالنسخة المباشرة عبر مقبس، تبث كلمات جزئية بينما يتحدث المتحدث وجملة ثابتة في كل توقف، بسعر لكل ساعة صوتية.
قم ببث صوت pcm16 على تردد 16 كيلوهرتز عبر المقبس. تظهر النتائج الجزئية أثناء حديث المتحدث. قم بتعيين اللغة، والمحفز، والتوقف الذي ينهي الجملة في session.update.
يعرف أيضا باسم Qwen Audio ASR Stream, Alibaba Cloud Qwen Audio 3.0 ASR Stream
qwen-audio-3-0-asr-stream/v1/realtimeqwen-audio-3.0-asr-streamalibaba/qwen-audio-3-0-asr-streamأسعار الدفع حسب الاستخدام مباشرة من كتالوج EmpirioLabs. تدفع فقط مقابل ما تستخدمه، بدون حد أدنى شهري.
ينسخ Qwen Audio 3.0 ASR Stream تدفقًا صوتيًا مباشرًا عبر WebSocket على wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-asr-stream، وليس عبر نقاط نهاية HTTP. اتصل باستخدام معرف النموذج qwen-audio-3-0-asr-stream وأرسل مفتاح EmpirioLabs API في ترويسة Authorization: Bearer أثناء المصافحة. أضف صوت PCM 16-بت مرمّزًا بـ base64 واقرأ أحداث النسخ بينما لا يزال المتحدث يتكلم. لا يستطيع المتصفح ضبط الترويسات على WebSocket، لذا افتح هذا الاتصال من خادمك ومرّر الصوت إلى المتصفح عبر مقبسك الخاص. 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-3-0-asr-stream",
additional_headers=[
("Authorization", f"Bearer {os.environ['EMPIRIOLABS_API_KEY']}"),
],
max_size=None,
) as ws:
print(json.loads(await ws.recv())["type"]) # session.created
import base64
# 16-bit PCM microphone audio, base64 encoded, in small chunks.
for chunk in read_microphone_chunks():
await ws.send(json.dumps({
"type": "input_audio_buffer.append",
"audio": base64.b64encode(chunk).decode(),
}))
await ws.send(json.dumps({"type": "input_audio_buffer.commit"}))
async for raw in ws:
event = json.loads(raw)
if event["type"].endswith("input_audio_transcription.delta"):
# "text" is settled transcript; "stash" is still in progress.
if event.get("text"):
print(event["text"], end="", flush=True)
asyncio.run(main())معلمات الطلب التي تدعمها واجهة Qwen Audio 3.0 ASR Stream API على EmpirioLabs. تُطبق القيم الافتراضية عند حذف أي حقل.
| المعامل | النوع | الافتراضي | النطاق / القيم | الوصف |
|---|---|---|---|---|
| input_audio_format | enum | pcm16 | pcm16 | ترميز الصوت الذي ترفقه إلى مخزن الإدخال: base64 PCM 16-بت، أحادي، عند 16 كيلوهرتز. |
| language | enum | auto | auto, zh, en, ja, ko, vi, th, id, ms, tl, hi, ar, fr, de, es,... | لغة الكلام، أو تلقائي لاكتشافها من الصوت. قم بإعداده مع معلمة استعلام اللغة في رابط الاتصال، أو كما input_audio_transcription.language في session.update. |
| prompt | string | - | - | نص يوجه التعرف، يصل إلى 400 حرف: الأسماء والمصطلحات التي يستخدمها المتحدث، أو النص المنطوق قبل هذا الصوت مباشرة. اكتب الكلمات تماما كما يجب أن تظهر في النص. يقبل... |
| silence_duration_ms | integer | 800 | 200 إلى 6000 | التوقف بأجزاء من الثانية الذي ينهي جملة، من 200 إلى 6000. توقف أقصر يحسم كل جملة أسرع؛ توقف أطول يحافظ على توقف داخل الجملة. ويعتبر أيضا... |
| threshold | number | - | 0 إلى 1 | مدى وضوح الكلام قبل نسخه، من 0.0 إلى 1.0. القيمة الأعلى تتجاهل المزيد من الضوضاء الخلفية وقد تفوت الكلام الهادئ. عند حذفها، ينطبق الوضع الافتراضي للنموذج. ويتم قبوله... |
| noise_reduction | enum | far_field | far_field, near_field | الميكروفون الذي يتم ضبط اكتشاف الكلام له: near_field لسماعة رأس أو هاتف ممسوك قريبا، far_field لللابتوب أو ميكروفون الغرفة. ويقبل أيضا كinput_audio_noise_reduction.type. |
| keep_dialect | boolean | false | - | يحافظ على كلمات اللهجة الصينية كما تنطوق. عندما يكون اللغة، تكتب اللهجة باللغة الماندرين القياسية. |
النسخ المباشر عبر WebSocket في wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-asr-stream، ويتم التحقق منه باستخدام رأس حامل الصلاحيات العادي.
بث صوت 16 كيلوهرتز أحادي pcm16 مع input_audio_buffer.append. كشف نشاط الصوت يحدد أين تنتهي كل جملة، لذلك لا يوجد التزام للإرسال.
أرسل session.update مباشرة بعد session.created، قبل أول صوت، بأي من هذه الإعدادات: input_audio_transcription.language (أو معامل الاستعلام language لرابط الاتصال؛ auto افتراضيا)، input_audio_transcription.prompt بالأسماء والمصطلحات التي يستخدمها المتحدث (حتى 400 حرف)، turn_detection.silence_duration_ms (200 إلى 6000، الافتراضي 800) وturn_detection.threshold (0.0 إلى 1.0)، وinput_audio_noise_reduction (near_field أو far_field). keep_dialect يحتفظ بكلمات اللهجة الصينية كما تنطوق. إعداد يتغير أثناء بث الصوت وينهي الجملة قيد التنفيذ وينطبق على الصوت المرسل بعدها.
conversation.item.input_audio_transcription.delta الأحداث تحمل الجملة حتى الآن بينما لا يزال المتحدث يتحدث، وتحمل conversation.item.input_audio_transcription.completed الجملة المحسومة في كل توقف.
يتم احتساب المبلغ لكل ثانية من الصوت الذي تبثه، مع الصمت، بسعر الساعة المعروض. يتم احتساب الجلسة عند انتهائها.
على EmpirioLabs، تتم فوترة Qwen Audio 3.0 ASR Stream حسب الاستخدام: النسخ $0.648 لكل ساعة صوتية. جدول الأسعار المباشر في هذه الصفحة يطابق دائمًا ما تحتسبه الواجهة.
يُقدَّم Qwen Audio 3.0 ASR Stream عبر WEBSOCKET /v1/realtime على api.empiriolabs.ai مع مصادقة Bearer القياسية.
افتح ملعب EmpirioLabs واضغط Start session لتجربته في المتصفح. يعمل Qwen Audio 3.0 ASR Stream عبر WebSocket بدلاً من طلب واستجابة، لذا ابدأ من دليل البدء السريع للصوت الفوري عند الدمج. اتصل من خادمك باستخدام مفتاح EmpirioLabs API ومعرف النموذج qwen-audio-3-0-asr-stream، ثم مرّر الصوت في الاتجاهين.
أنشئ حساب EmpirioLabs ثم أنشئ مفتاحًا من API Keys في لوحة التحكم. الفوترة برصيد الدفع حسب الاستخدام، فلا تدفع إلا مقابل الطلبات التي تنفذها.
تحقق من تسعيرنا أو تواصل إذا كنت ترغب في نشر نموذجك الخاص على مجموعتنا.
