يتم ضبط النسخ لإرسال الرسائل الصوتية ومدخلات الصوت عبر مقبس، ويعيد كل نطق كنص كامل واحد عندما يتوقف المتحدث.
Alibaba Cloud النسخ تاريخ الإصدار 21 سبتمبر 2026 Singapore نقطة نهاية مملوكة جديديتم ضبط النسخ لإرسال الرسائل الصوتية ومدخلات الصوت عبر مقبس، ويعيد كل نطق كنص كامل واحد عندما يتوقف المتحدث.
قم ببث صوت pcm16 بسرعة 16 كيلوهرتز عبر المقبس. يتم إرجاع كل نطق كاملا عند توقف السماعة، أو أيضا أثناء نطقه باستخدام partial_results. قم بتعيين اللغة والتوقف الذي ينهي العبارة في session.update.
يعرف أيضا باسم Qwen Audio ASR Message, Alibaba Cloud Qwen Audio 3.1 ASR Message
qwen-audio-3-1-asr-message/v1/realtimeqwen-audio-3.1-asr-messagealibaba/qwen-audio-3-1-asr-messageأسعار الدفع حسب الاستخدام مباشرة من كتالوج EmpirioLabs. تدفع فقط مقابل ما تستخدمه، بدون حد أدنى شهري.
ينسخ Qwen Audio 3.1 ASR Message تدفقًا صوتيًا مباشرًا عبر WebSocket على wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-message، وليس عبر نقاط نهاية HTTP. اتصل باستخدام معرف النموذج qwen-audio-3-1-asr-message 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-3-1-asr-message",
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 3.1 ASR Message 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. |
| 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. |
| partial_results | boolean | false | - | كما يرسل كل نطق أثناء نطقه، حيث conversation.item.input_audio_transcription.delta الأحداث التي تحمل العبارة حتى الآن، والتي يمكن أن تتغير قبل أن تستقر. |
يتم تسجيل الرسائل الصوتية عبر WebSocket في wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-message، ويتم التحقق منه باستخدام رأس حامل التفويض العادي.
قم ببث صوت أحادي PCM16 بتردد 16 كيلوهرتز مع input_audio_buffer.append. يحدد اكتشاف نشاط الصوت أين ينتهي كل تعبير، لذلك لا يوجد التزام للإرسال.
أرسل session.update مباشرة بعد session.created، قبل أول صوت، بأي من هذه الإعدادات: input_audio_transcription.language (أو معاملة الاستعلام language لرابط الاتصال؛ auto افتراضيا)، 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 ينهي النطق الجاري وينطبق على الصوت المرسل بعده.
كل نطق يصل كاملا، كحدث conversation.item.input_audio_transcription.completed واحد بمجرد توقف المتحدث. اضبط partial_results لتستقبلها أيضا أثناء النطق، كأحداث conversation.item.input_audio_transcription.delta يمكن أن تتغير قبل أن تستقر. بالنسبة للترجمة الحية، qwen-audio-3-1-asr-stream دائما ترسلها بنفسك.
يتم تسعير رموز الإدخال والإخراج لكل مليون سنة، ويتم احتساب كل نطق مكتمل بشكل مستقل من الاستخدام الذي يبلغ عنه النموذج.
على EmpirioLabs، تتم فوترة Qwen Audio 3.1 ASR Message حسب الاستخدام: المدخلات $1.86 لكل 1M رموز إدخال صوت; المخرجات $1.40 لكل مليون رمز مولد. جدول الأسعار المباشر في هذه الصفحة يطابق دائمًا ما تحتسبه الواجهة.
يُقدَّم Qwen Audio 3.1 ASR Message عبر WEBSOCKET /v1/realtime على api.empiriolabs.ai مع مصادقة Bearer القياسية.
افتح ملعب EmpirioLabs واضغط Start session لتجربته في المتصفح. يعمل Qwen Audio 3.1 ASR Message 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-3-1-asr-message، 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.
