محادثة كلام مزدوجة عبر مقبس واحد، مع 88 صوتا، بحث ويب أصلي يعمل جنبا إلى جنب مع استدعاء الأدوات، ومعدلات رموز نصية وصوتية منفصلة.
Alibaba Cloud توليد الصوت 240K السياق تاريخ الإصدار 27 أكتوبر 2026 Singapore نقطة نهاية مملوكة جديدمحادثة كلام مزدوجة عبر مقبس واحد، مع 88 صوتا، بحث ويب أصلي يعمل جنبا إلى جنب مع استدعاء الأدوات، ومعدلات رموز نصية وصوتية منفصلة.
يتم تكوين الجلسة باستخدام أحداث session.update عبر السوكت بدلا من معلمات الطلب. البحث على الويب مغلق بشكل افتراضي ويعمل جنبا إلى جنب مع استدعاء الوظائف. رموز النص والصوت تفرض فوترة بمعدلات منفصلة، والرد الصوتي يفرض فقط رموزها الصوتية.
يعرف أيضا باسم Qwen Audio Realtime Flash, Alibaba Cloud Qwen Audio 3.1 Realtime Flash
qwen-audio-3-1-realtime-flash/v1/realtimeqwen-audio-3.1-realtime-flashalibaba/qwen-audio-3-1-realtime-flashأسعار الدفع حسب الاستخدام مباشرة من كتالوج EmpirioLabs. تدفع فقط مقابل ما تستخدمه، بدون حد أدنى شهري.
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. 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())معلمات الطلب التي تدعمها واجهة Qwen Audio 3.1 Realtime Flash API على EmpirioLabs. تُطبق القيم الافتراضية عند حذف أي حقل.
| المعامل | النوع | الافتراضي | النطاق / القيم | الوصف |
|---|---|---|---|---|
| voice | enum | longanqian_v3.1 | longanqian_v3.1, longanhuan_v3.1, longanlingxin_v3.1, longanf... | 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. |
| input_language | enum | auto | auto, zh, en, ja, ko, vi, th, id, ar, fr, de, es, pt, ru, it | اللغة التي تتحدثها. نص كلامك مكتوب فيها؛ يكتشف ذلك تلقائيا. وأيضا يقبل كinput_audio_transcription.language. |
| output_language | enum | auto | auto, zh, en, ja, ko, vi, th, id, ar, fr, de, es, pt, ru, it | اللغة التي يقرأ بها الرد المنطوق، مثل اليابانية أو الصينية لنفس الحروف. لا يترجم الرد: اسأل عن لغته في تعليماتك. يسمح النموذج التلقائي للاختيار بالضغط. وأيضا يقبل... |
| 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. يعمل في نفس جلسة استدعاء الوظائف. 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-3-1-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.
على EmpirioLabs، تتم فوترة Qwen Audio 3.1 Realtime Flash حسب الاستخدام: المدخلات: صوت $1.86 لكل 1M رموز إدخال صوت; المدخلات $0.46 لكل 1M رموز مطالبة; المخرجات $1.40 لكل مليون رمز يتم إنشاؤها، الردود النصية فقط; المخرجات: صوت $3.74 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 3.1 Realtime Flash نافذة سياق من 240K رمز، مع ما يصل إلى 16,384 رمز إخراج لكل استجابة.
يُقدَّم Qwen Audio 3.1 Realtime Flash 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 Realtime Flash 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-realtime-flash، 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.
