Qwen Audio 3.1 Realtime Flash und Qwen Audio 3.0 Realtime Flash im direkten Vergleich: Spezifikationen, Fähigkeiten, Parameter und Live-Preise aus dem EmpirioLabs-Katalog.
Alibaba Cloud AudiogenerationQwen Audio 3.1 Realtime Flash und Qwen Audio 3.0 Realtime Flash sind beide Modelle von Alibaba Cloud in der Kategorie Audiogeneration und über die EmpirioLabs API verfügbar.
| Spezifikation | Qwen Audio 3.1 Realtime Flash | Qwen Audio 3.0 Realtime Flash |
|---|---|---|
| Modell-ID | qwen-audio-3-1-realtime-flash | qwen-audio-3-0-realtime-flash |
| Autor | Alibaba Cloud | Alibaba Cloud |
| Veröffentlicht | 27. Okt. 2026 | 10. Aug. 2026 |
| Kontextfenster | 240K Token | 16K Token |
| Max. Ausgabe | 16.384 Token | 8.192 Token |
| Eingabe | Audio Text | Audio Text |
| Ausgabe | Audio Text | Audio Text |
| Region | Singapore | Singapore |
| Endpoints | WEBSOCKET /v1/realtime | WEBSOCKET /v1/realtime |
| Fähigkeiten |
Live-Preise aus dem EmpirioLabs-Katalog für beide Modelle. Jede Preistabelle entspricht immer dem, was die API berechnet.
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.
| Parameter | Qwen Audio 3.1 Realtime Flash | Qwen Audio 3.0 Realtime Flash |
|---|---|---|
| voice | longanqian_v3.1, longanhuan_v3.1, longanlingxin_v3.1, longanf... Standard: longanqian_v3.1 | longanqian, longanlingxin, longanlufeng, longanlingxi, longan... Standard: longanqian |
| instructions | string | string |
| input_language | auto, zh, en, ja, ko, vi, th, id, ar, fr, de, es, pt, ru, it Standard: auto | - |
| output_language | auto, zh, en, ja, ko, vi, th, id, ar, fr, de, es, pt, ru, it Standard: auto | - |
| speed | 0.5 bis 2 | 0.5 bis 2 |
| enable_speech_emotion | boolean Standard: true | boolean Standard: true |
| max_history_turns | 1 bis 50 | 1 bis 50 |
| enable_search | boolean Standard: false | boolean Standard: false |
| modalities | string Standard: ["text","audio"] | string Standard: ["text","audio"] |
| input_audio_format | pcm16 Standard: pcm16 | pcm16 Standard: pcm16 |
| output_audio_format | pcm24 Standard: pcm24 | pcm24 Standard: pcm24 |
| turn_detection | string Standard: {"type":"server_vad"} | string Standard: {"type":"server_vad"} |
Vollduplex-Stimme über einen WebSocket bei wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-realtime-flash, authentifiziert mit dem gewöhnlichen Authorization Bearer-Header. Konfigurieren Sie die Sitzung mit session.update über dem Socket: Sprache, Befehle, Modalitäten, Zugerkennung, Sprachen und Auslieferung.
Setze input_language auf die Sprache, in der das Transkript deiner Rede geschrieben ist, und output_language auf die Sprache, in der die gesprochene Antwort vorgelesen wird. Jede Sprache nimmt Auto oder eine von zh, en, ja, ko, vi, th, id, ar, fr, de, es, pt, ru und it. Die Ausgabesprache übersetzt die Antwort nicht, daher frage auch in deinen Anweisungen nach ihrer Sprache. speed (0,5 bis 2) legt die Sprechrate, enable_speech_emotion die expressive Darbietung und max_history_turns (1 bis 50) fest, wie viele frühere Austausche das Modell liest.
Die Stimmen dieses Modells sind ein eigenes Set. Wählen Sie eine aus der Stimmenliste, anstatt eine Stimme gegenüber einem anderen Modell zu tragen, oder lassen Sie sie ungesetzt und die Standardstimme wird Ihnen bereitgestellt.
Die Websuche ist standardmäßig ausgeschaltet. Schalte sie mit enable_search ein. Es funktioniert in derselben Sitzung wie das Funktionsaufruf, und Suchergebnisse werden zur Konversation hinzugefügt und zählen als Eingabetoken.
Audio- und Texttoken werden in beide Richtungen separat bepreist. Eine gesprochene Antwort wird nur für die Audioausgabetoken berechnet, und die Textausgaberate gilt für Antworten ohne Audio. Jede abgeschlossene Runde wird eigenständig nach der vom Modell angegebenen Nutzung berechnet.
Full-Duplex-Stimme über einen WebSocket bei wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-realtime-flash, authentifiziert mit dem gewöhnlichen Authorization Bearer-Header. Konfigurieren Sie die Sitzung mit session.update über den Socket: Sprache, Befehle, Modalitäten, Zugerkennung und Zustellung.
speed (0,5 bis 2) legt die Sprechrate, enable_speech_emotion die expressive Übertragung und max_history_turns (1 bis 50) fest, wie viele frühere Austausche das Modell liest. Bitte in deinen Anweisungen nach der Formulierung der Antwort.
Die Stimmen dieses Modells sind ein eigenes Set. Wählen Sie eine aus der Stimmenliste, anstatt eine Stimme gegenüber einem anderen Modell zu tragen, oder lassen Sie sie ungesetzt und die Standardstimme wird Ihnen bereitgestellt.
Die Websuche ist standardmäßig ausgeschaltet. Schalte sie mit enable_search ein. Sie kann nicht in derselben Sitzung wie das Funktionsaufruf aktiviert werden, und Suchergebnisse werden zur Konform hinzugefügt und zählen als Eingabetoken.
Audio- und Texttoken werden in beide Richtungen separat bepreist. Eine gesprochene Antwort wird nur für die Audioausgabetoken berechnet, und die Textausgaberate gilt für Antworten ohne Audio. Jede abgeschlossene Runde wird eigenständig nach der vom Modell angegebenen Nutzung berechnet.
Qwen Audio 3.1 Realtime Flash führt ein Live-Gespräch über einen WebSocket unter wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-realtime-flash, nicht über die HTTP-Endpunkte. Verbinden Sie sich mit der Modell-ID qwen-audio-3-1-realtime-flash und senden Sie Ihren EmpirioLabs-API-Schlüssel beim Handshake als Authorization: Bearer-Header. Audio läuft in beide Richtungen als base64-kodiertes 16-Bit-PCM. 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-realtime-flash oder qwen-audio-3-0-realtime-flash. 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-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())Prompt-Tests und Vergleichsläufe, die beide Modelle abdecken.
Qwen Audio 3.1 Realtime Flash ist die neuere Veröffentlichung (27. Okt. 2026); Qwen Audio 3.0 Realtime Flash erschien am 10. Aug. 2026. Qwen Audio 3.1 Realtime Flash hat das größere Kontextfenster: 240K Token gegenüber 16K bei Qwen Audio 3.0 Realtime Flash. Qwen Audio 3.1 Realtime Flash liefert bis zu 16.384 Ausgabe-Token pro Antwort, Qwen Audio 3.0 Realtime Flash bis zu 8.192. Die Spezifikationen, Preistabellen und Parameter auf dieser Seite stammen aus dem Live-Katalog von EmpirioLabs.
Qwen Audio 3.1 Realtime Flash ist die neuere Veröffentlichung (27. Okt. 2026); Qwen Audio 3.0 Realtime Flash erschien am 10. Aug. 2026.
Beide Modelle haben denselben Preis für Eingabe: Audio (pro 1M Audio-Eingangstoken) und Eingabe (pro 1M Prompt-Token). Beide Live-Preistabellen stehen auf dieser Seite und entsprechen immer dem, was die API berechnet.
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.
Ja. Öffne jedes Modell im EmpirioLabs Playground und klicke auf Start session, um es im Browser zu testen.
Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.
