محادثة كلام مزدوجة عبر مقبس واحد، مع 19 صوتا، بحث ويب أصلي، استدعاء أدوات، ومعدلات رموز نصية وصوتية منفصلة.
Alibaba Cloud توليد الصوت 16K السياق تاريخ الإصدار 10 أغسطس 2026 Singapore نقطة نهاية مملوكة جديدمحادثة كلام مزدوجة عبر مقبس واحد، مع 19 صوتا، بحث ويب أصلي، استدعاء أدوات، ومعدلات رموز نصية وصوتية منفصلة.
يتم تكوين الجلسة مع أحداث session.update عبر المنفذ بدلا من معلمات الطلب. البحث على الويب مغلق بشكل افتراضي ولا يمكن دمجها مع استدعاء الدوال. الرموز النصية والصوتية تحسب بمعدلات منفصلة، والرد الصوتي يخصم فقط رموز الصوت.
يعرف أيضا باسم Qwen Audio Realtime Plus, Qwen Audio Realtime, Alibaba Cloud Qwen Audio 3.0 Realtime Plus
qwen-audio-3-0-realtime-plus/v1/realtimeqwen-audio-3.0-realtime-plusalibaba/qwen-audio-3-0-realtime-plusأسعار الدفع حسب الاستخدام مباشرة من كتالوج EmpirioLabs. تدفع فقط مقابل ما تستخدمه، بدون حد أدنى شهري.
يجري Qwen Audio 3.0 Realtime Plus محادثة مباشرة عبر WebSocket على wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-realtime-plus، وليس عبر نقاط نهاية HTTP. اتصل باستخدام معرف النموذج qwen-audio-3-0-realtime-plus 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. 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-realtime-plus",
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())معلمات الطلب التي تدعمها واجهة Qwen Audio 3.0 Realtime Plus API على EmpirioLabs. تُطبق القيم الافتراضية عند حذف أي حقل.
| المعامل | النوع | الافتراضي | النطاق / القيم | الوصف |
|---|---|---|---|---|
| voice | enum | longanqian | longanqian, longanlingxin, longanlufeng, longanlingxi, longan... | صوت التحدث للجلسة. قم بضبطه مع session.update قبل أن ينتج النموذج أي صوت. هذه الأصوات خاصة بهذا النموذج. |
| instructions | string | - | - | إرشادات النظام لكيفية تصرف النموذج وكيفية حديثه أثناء المحادثة. |
| speed | number | - | 0.5 إلى 2 | معدل النطق في الرد من 0.5 إلى 2. القيم المنخفضة تبطئ الكلام والقيم الأعلى تسرعه. ويتم قبوله أيضا speech_rate. عند حذفه، يطبق النموذج الافتراضي نفسه. |
| enable_speech_emotion | boolean | true | - | مشاعر أكثر وضوحا في الرد المنطوق. أطفئها لطريقة إلقاء أكثر توازنا. |
| max_history_turns | integer | - | 1 إلى 50 | كم عدد البورصات السابقة التي يقرأها النموذج لكل رد، من 1 إلى 50. عدد أقل من التبادلات تستخدم رموز إدخال أقل. عند حذفها، يطبق النموذج الافتراضي نفسه. |
| enable_search | boolean | false | - | ابحث في الويب عن معلومات في الوقت الحقيقي. لا يمكن استخدامها في نفس جلسة استدعاء الدوال. تضاف نتائج البحث إلى المحادثة وتحتسب كرموز إدخال. |
| modalities | string | ["text","audio"] | - | أي نوع من الإخراج يعيدها النموذج للدور. اترك الصوت للرد النصي فقط. |
| input_audio_format | enum | pcm16 | pcm16 | ترميز الصوت الذي تضيفه إلى مخزن الإدخال: base64 PCM 16-بت عند 16 كيلوهرتز. |
| output_audio_format | enum | pcm24 | pcm24 | ترميز الصوت الذي يبثه النموذج مرة أخرى: PCM 16-بت عند 24 كيلوهرتز. |
| turn_detection | string | {"type":"server_vad"} | - | كشف نشاط الصوت: يقرر متى تنتهي من الكلام ويجب أن يرد النموذج. يكون مفعلا افتراضيا ك server_vad، مما ينهي دورك بعد توقف. smart_turn أيضا يزن ما قلته، لذا الأصوات... |
صوت مزدوج بالكامل عبر WebSocket عند wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-realtime-plus، 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.
على EmpirioLabs، تتم فوترة Qwen Audio 3.0 Realtime Plus حسب الاستخدام: المدخلات: صوت $12.80 لكل 1M رموز إدخال صوت; المدخلات $1.60 لكل 1M رموز مطالبة; المخرجات $12.80 لكل مليون رمز يتم إنشاؤها، الردود النصية فقط; المخرجات: صوت $48.00 لكل مليون رمز صوتي مولد; البحث على الويب $0.00 لكل نداء عند استدعائه. جدول الأسعار المباشر في هذه الصفحة يطابق دائمًا ما تحتسبه الواجهة.
يدعم Qwen Audio 3.0 Realtime Plus نافذة سياق من 16K رمز، مع ما يصل إلى 8,192 رمز إخراج لكل استجابة.
يُقدَّم Qwen Audio 3.0 Realtime Plus 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 Realtime Plus 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-realtime-plus، 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.
