
الكلام يدخل، الكلام يخرج، عبر محجر واحد. قابل للانقطاع في منتصف الرد، مع اكتشاف نشاط الصوت يقرر متى يجب الرد.
الكلام يدخل، الكلام يخرج، عبر محجر واحد. قابل للانقطاع في منتصف الرد، مع اكتشاف نشاط الصوت يقرر متى يجب الرد.
يتم تكوين الجلسة باستخدام أحداث session.update عبر المنفذ بدلا من معلمات الطلب.
يعرف أيضا باسم StepFun StepAudio 3 Realtime
stepaudio-3-realtime/v1/realtimestepaudio-3-realtime-previewstepfun/stepaudio-3-realtimeأسعار الدفع حسب الاستخدام مباشرة من كتالوج EmpirioLabs. يمكنك أيضًا اختيار خطة تتضمن حصص استخدام أسبوعية.
يجري StepAudio 3 Realtime محادثة مباشرة عبر WebSocket على wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-3-realtime، وليس عبر نقاط نهاية HTTP. اتصل باستخدام معرف النموذج stepaudio-3-realtime 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=stepaudio-3-realtime",
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 StepAudio 3 Realtime API على EmpirioLabs. تُطبق القيم الافتراضية عند حذف أي حقل.
| المعامل | النوع | الافتراضي | النطاق / القيم | الوصف |
|---|---|---|---|---|
| voice | enum | soft-spoken-gentleman | soft-spoken-gentleman, magnetic-voiced-male, vibrant-youth, l... | صوت الجلسة، يتم ضبطه مع session.update قبل أن ينتج النموذج الصوت. لا يمكن تغييره بمجرد أن ينطق النموذج، ويتم رفض أي قيمة أخرى. |
| instructions | string | - | - | تعليمات النظام للجلسة: الشخصية، أسلوب الكلام، والحدود. |
| modalities | string | ["text","audio"] | - | طرق الاستجابة للجلسة. |
| volume_ratio | number | 1 | 0.1 إلى 2 | شدة الصوت في الرد المنطوق مقارنة بالافتراضي. النطاق المقبول هو من 0.1 إلى 2.0. |
| input_audio_format | enum | pcm16 | pcm16 | ترميز الصوت الذي ترسله. PCM 16-بت. |
| output_audio_format | enum | pcm16 | pcm16 | ترميز الصوت الذي يعيده النموذج. PCM 16-بت. |
| turn_detection | string | {"type":"server_vad"} | - | كشف نشاط الصوت على جانب الخادم. يقرر متى توقفت عن الكلام ويجب أن يرد النموذج. بدونه يستمع النموذج لكنه لا يجيب أبدا، لذا اتركه مفعلا إلا إذا كنت تقود بنفسك بتشغيل... |
الصوت الكامل المزدوج عبر WebSocket على wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-3-realtime، ويتم التحقق منه باستخدام رأس حامل التفويض العادي. الصوت هو pcm16 داخل وخارج. يستمع النموذج أثناء التحدث، لذا يمكن مقاطعته أثناء الرد، ويحدد اكتشاف نشاط الصوت على جانب الخادم متى يجيب. ضبط الصوت مع session.update قبل أول صوت؛ لا يمكن تغييره بمجرد أن ينطق النموذج، ويتم قبول الأصوات السبعة المدرجة فقط. المحادثة صينية وإنجليزية فقط. يتم تصنيف الجلسة حسب طولها، من وقت فتحها حتى إغلاقها، في ثوان كاملة، مع احتساب جزء من الثانية كثانية كاملة. هذا النموذج في مرحلة المعاينة وقد تتغير قدراته.
على EmpirioLabs، تتم فوترة StepAudio 3 Realtime حسب الاستخدام: الجلسة $0.125 في الدقيقة. يمكنك أيضًا اختيار خطة تتضمن حصص استخدام أسبوعية. جدول الأسعار المباشر في هذه الصفحة يطابق دائمًا ما تحتسبه الواجهة.
يقبل StepAudio 3 Realtime المدخلات صوت, نص ويعيد صوت, نص.
يدعم StepAudio 3 Realtime نافذة سياق من 256K رمز، مع ما يصل إلى 131,072 رمز إخراج لكل استجابة.
يُقدَّم StepAudio 3 Realtime عبر WEBSOCKET /v1/realtime على api.empiriolabs.ai مع مصادقة Bearer القياسية.
أرسل stepaudio-3-realtime كقيمة model في طلبك. تعمل المعرّفات البديلة stepaudio-3-realtime-preview, stepfun/stepaudio-3-realtime أيضًا.
أصدرت StepFun نموذج StepAudio 3 Realtime في 6 أغسطس 2026.
يُقدَّم StepAudio 3 Realtime على EmpirioLabs من International.
افتح ملعب EmpirioLabs واضغط Start session لتجربته في المتصفح. يعمل StepAudio 3 Realtime 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 stepaudio-3-realtime، 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. يمكنك أيضًا اختيار خطة تتضمن حصص استخدام أسبوعية.
تحقق من تسعيرنا أو تواصل إذا كنت ترغب في نشر نموذجك الخاص على مجموعتنا.