Die Transkription wurde auf Sprachnachrichten und Spracheingaben über eine Buchse abgestimmt, wobei jede Äußerung als vollständiges Transkript zurückgegeben wurde, wenn der Sprecher pausierte.
Alibaba Cloud Transkription Veröffentlicht 21. Sept. 2026 Singapore Proprietärer Endpoint NeuDie Transkription wurde auf Sprachnachrichten und Spracheingaben über eine Buchse abgestimmt, wobei jede Äußerung als vollständiges Transkript zurückgegeben wurde, wenn der Sprecher pausierte.
Streamen Sie 16 kHz pcm16-Audio über den Socket. Jede Äußerung wird vollständig zurückgegeben, wenn der Sprecher pausiert oder auch während sie mit partial_results gesprochen wird. Stellen Sie die Sprache und die Pause, die eine Äußerung beendet, in der Sitzung ein. update.
Auch bekannt als 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-messageLive Pay-as-you-go-Preise aus dem EmpirioLabs-Katalog. Du zahlst nur für das, was du nutzt, ohne monatliches Minimum.
Qwen Audio 3.1 ASR Message transkribiert einen Live-Audiostream über einen WebSocket unter wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-message, nicht über die HTTP-Endpunkte. Verbinden Sie sich mit der Modell-ID qwen-audio-3-1-asr-message 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. 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-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())Request-Parameter, die die Qwen Audio 3.1 ASR Message API auf EmpirioLabs unterstützt. Standardwerte gelten, wenn ein Feld weggelassen wird.
| Parameter | Typ | Standard | Bereich / Werte | Beschreibung |
|---|---|---|---|---|
| input_audio_format | enum | pcm16 | pcm16 | Codierung des Audios, das du dem Eingangspuffer anhängst: base64 16-Bit-PCM, Mono, bei 16 kHz. |
| language | enum | auto | auto, zh, en, ja, ko, vi, th, id, ms, tl, hi, ar, fr, de, es,... | Sprache der Sprache, oder Auto, um sie aus dem Audio zu erkennen. Setze sie mit dem Sprachabrufparameter der Verbindungs-URL oder als... |
| silence_duration_ms | integer | 800 | 200 bis 6000 | Die Pause, in Millisekunden, die einen Satz beendet, von 200 bis 6000. Eine kürzere Pause beendet jeden Satz früher; eine längere hält eine Pause innerhalb eines... |
| threshold | number | - | 0 bis 1 | Wie klar die Sprache sein muss, bevor sie transkribiert wird, von 0,0 auf 1,0. Ein höherer Wert ignoriert mehr Hintergrundrauschen und kann leise Sprache übersehen.... |
| noise_reduction | enum | far_field | far_field, near_field | Das Mikrofon, auf das die Spracherkennung abgestimmt ist: near_field für ein Headset oder ein Handy, das nah gehalten wird, far_field für ein Laptop- oder... |
| keep_dialect | boolean | false | - | Behält die chinesischen Dialektwörter so, wie sie gesprochen werden. Wenn sie nicht sind, wird die Dialektsprache als Standardmandarin geschrieben. |
| partial_results | boolean | false | - | Jede Äußerung wird auch während des Sprechens gesendet, da conversation.item.input_audio_transcription.delta Ereignisse die Äußerung bisher tragen, die sich noch... |
Sprachnachrichtentranskription über einen WebSocket bei wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-message, authentifiziert mit dem üblichen Authorization Bearer-Header.
Streame 16-kHz-Mono-PCM16-Audio mit input_audio_buffer.append. Die Sprachaktivitätserkennung entscheidet, wo jede Äußerung endet, sodass kein Commit zum Senden vorhanden ist.
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), 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 chinesische Dialektwörter wie gesprochen. Eine Einstellung, die während des Audiostreams geändert wird, beendet die laufende Äußerung und gilt für das danach gesendete Audio.
Jede Äußerung kommt als Ganzes an, als ein conversation.item.input_audio_transcription.completed Ereignis, sobald der Sprecher pausiert. Stellen Sie partial_results ein, dass sie sie auch während der Aussprache empfängt, conversation.item.input_audio_transcription.delta Ereignisse, die sich noch ändern können, bevor sie sich festsetzt. Für Live-Untertitel sendet qwen-audio-3-1-asr-stream sie immer.
Eingabe- und Ausgabetoken werden pro 1 Million bepreist, und jede abgeschlossene Äußerung wird eigenständig aus der vom Modell angegebenen Nutzung abgerechnet.
Auf EmpirioLabs wird Qwen Audio 3.1 ASR Message nach Verbrauch abgerechnet: Eingabe $1.86 pro 1M Audio-Eingangstoken; Ausgabe $1.40 pro 1 Million generierter Token. Die Live-Preistabelle auf dieser Seite entspricht immer dem, was die API berechnet.
Qwen Audio 3.1 ASR Message wird über WEBSOCKET /v1/realtime auf api.empiriolabs.ai mit normaler Bearer-Token-Authentifizierung bereitgestellt.
Öffnen Sie das EmpirioLabs Playground und klicken Sie auf Start session, um es im Browser zu testen. Qwen Audio 3.1 ASR Message läuft über einen WebSocket statt über Anfrage und Antwort, beginnen Sie für die Integration deshalb mit dem Schnellstart für Echtzeit-Sprache. Verbinden Sie sich von Ihrem Server aus mit Ihrem EmpirioLabs-API-Schlüssel und der Modell-ID qwen-audio-3-1-asr-message und streamen Sie dann Audio in beide Richtungen.
Erstelle ein EmpirioLabs-Konto und generiere dann einen Schlüssel unter API Keys im Dashboard. Die Abrechnung erfolgt über Pay-as-you-go-Guthaben, du zahlst also nur für deine Requests.
Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.
