Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream

Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream auf einen Blick

Qwen Audio 3.1 ASR Stream und Qwen Audio 3.0 ASR Stream sind beide Modelle von Alibaba Cloud in der Kategorie Transkription und über die EmpirioLabs API verfügbar.

Wichtigste Unterschiede

Die beiden Modelle geben dieselben Kernspezifikationen an. Die Preistabellen und Parameter unten zeigen, worin sie sich unterscheiden.

Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream: Spezifikationen

Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream: API-Preise

Live-Preise aus dem EmpirioLabs-Katalog für beide Modelle. Jede Preistabelle entspricht immer dem, was die API berechnet.

Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream: API-Parameter

Anfrageparameter, die jedes Modell auf EmpirioLabs angibt, mit den zulässigen Werten oder dem Bereich, wo einer gilt. Ein Strich markiert einen Parameter, den das Modell nicht angibt.

Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream: Limits und Hinweise

Qwen Audio 3.1 ASR Stream

Anschluss

Live-Transkription über einen WebSocket bei wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-stream, authentifiziert mit dem üblichen Authorization Bearer-Header.

Audioübertragung

Streame 16 kHz Mono PCM16-Audio mit input_audio_buffer.append. Die Sprachaktivitätserkennung entscheidet, wo jeder Satz endet, sodass kein Commit gesendet werden muss.

Session-Einstellungen

Senden Sie session.update direkt nach session.created, vor dem ersten Audio, mit einer dieser Einstellungen: input_audio_transcription.language (oder der language Abfrageparameter der Verbindungs-URL; standardmäßig auto), input_audio_transcription.prompt mit den Namen und Begriffen, die der Sprecher verwendet (bis zu 400 Zeichen), turn_detection.silence_duration_ms (200 bis 6000, Standard 800) und turn_detection.threshold (0,0 bis 1,0) sowie input_audio_noise_reduction (near_field oder far_field). keep_dialect behält die chinesischen Dialektwörter wie gesprochen. Eine Einstellung, die während des Audiostreams geändert wird, beendet den laufenden Satz und gilt für das danach gesendete Audio.

Was kommt zurück

conversation.item.input_audio_transcription.delta Ereignisse tragen den Satz so weit, während der Sprecher noch spricht, und conversation.item.input_audio_transcription.completed trägt den festgelegten Satz bei jeder Pause.

Abrechnung

Eingabe- und Ausgabetoken werden pro 1 Million bepreist, und jeder abgeschlossene Satz wird eigenständig aus der vom Modell angegebenen Nutzung berechnet.

Qwen Audio 3.0 ASR Stream

Anschluss

Live-Transkription über einen WebSocket bei wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-asr-stream, authentifiziert mit dem üblichen Authorization Bearer-Header.

Audioübertragung

Streame 16 kHz Mono PCM16-Audio mit input_audio_buffer.append. Die Sprachaktivitätserkennung entscheidet, wo jeder Satz endet, sodass kein Commit gesendet werden muss.

Session-Einstellungen

Senden Sie session.update direkt nach session.created, vor dem ersten Audio, mit einer dieser Einstellungen: input_audio_transcription.language (oder der language Abfrageparameter der Verbindungs-URL; standardmäßig auto), input_audio_transcription.prompt mit den Namen und Begriffen, die der Sprecher verwendet (bis zu 400 Zeichen), turn_detection.silence_duration_ms (200 bis 6000, Standard 800) und turn_detection.threshold (0,0 bis 1,0) sowie input_audio_noise_reduction (near_field oder far_field). keep_dialect behält die chinesischen Dialektwörter wie gesprochen. Eine Einstellung, die während des Audiostreams geändert wird, beendet den laufenden Satz und gilt für das danach gesendete Audio.

Was kommt zurück

conversation.item.input_audio_transcription.delta Ereignisse tragen den Satz so weit, während der Sprecher noch spricht, und conversation.item.input_audio_transcription.completed trägt den festgelegten Satz bei jeder Pause.

Abrechnung

Es wird pro Sekunde des gestreamten Audios, inklusive Stille, zum angegebenen Stundensatz abgerechnet. Die Sitzung wird abgerechnet, wenn sie endet.

So rufst du Qwen Audio 3.1 ASR Stream und Qwen Audio 3.0 ASR Stream auf

Qwen Audio 3.1 ASR Stream transkribiert einen Live-Audiostream über einen WebSocket unter wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-stream, nicht über die HTTP-Endpunkte. Verbinden Sie sich mit der Modell-ID qwen-audio-3-1-asr-stream und senden Sie Ihren EmpirioLabs-API-Schlüssel beim Handshake als Authorization: Bearer-Header. Hängen Sie base64-kodiertes 16-Bit-PCM-Audio an und lesen Sie die Transkript-Events, während noch gesprochen wird. Ein Browser kann bei einem WebSocket keine Header setzen. Öffnen Sie diese Verbindung daher von Ihrem Server aus und leiten Sie das Audio über Ihren eigenen Socket an den Browser weiter. Beide Modelle werden über denselben Endpunkt aufgerufen. Setze model auf qwen-audio-3-1-asr-stream oder qwen-audio-3-0-asr-stream. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.

import asyncio, json, os, websockets

async def main():
    async with websockets.connect(
        "wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-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())

Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream: häufige Fragen

Was ist der Unterschied zwischen Qwen Audio 3.1 ASR Stream und Qwen Audio 3.0 ASR Stream?

Die beiden Modelle geben dieselben Kernspezifikationen an. Die Preistabellen und Parameter unten zeigen, worin sie sich unterscheiden. Die Spezifikationen, Preistabellen und Parameter auf dieser Seite stammen aus dem Live-Katalog von EmpirioLabs.

Welches Modell hat den niedrigeren Preis, Qwen Audio 3.1 ASR Stream oder Qwen Audio 3.0 ASR Stream?

Die beiden Modelle werden nach unterschiedlichen Einheiten oder Stufen abgerechnet. Vergleiche daher die Live-Preistabellen auf dieser Seite. Sie entsprechen immer dem, was die API berechnet.

Kann ich zwischen Qwen Audio 3.1 ASR Stream und Qwen Audio 3.0 ASR Stream wechseln, ohne meine Integration umzubauen?

Ja. Beide Modelle nutzen WEBSOCKET /v1/realtime mit demselben EmpirioLabs API-Schlüssel, die meisten Integrationen wechseln also durch Ändern des model Werts. Prüfe zuerst die Parametertabelle auf dieser Seite, wenn du dich auf einen modellspezifischen Parameter verlässt.

Kann ich Qwen Audio 3.1 ASR Stream und Qwen Audio 3.0 ASR Stream im Browser testen, bevor ich integriere?

Ja. Öffne jedes Modell im EmpirioLabs Playground und klicke auf Start session, um es im Browser zu testen.