Simultane gesprochene Übersetzung über einen WebSocket. Stellen Sie die Zielsprache ein und sprechen Sie dann; das Modell antwortet in dieser Sprache mit Text und Audio.
Alibaba Cloud Audiogeneration 48K Kontext Veröffentlicht 17. Sept. 2026 Singapore Proprietärer Endpoint NeuSimultane gesprochene Übersetzung über einen WebSocket. Stellen Sie die Zielsprache ein und sprechen Sie dann; das Modell antwortet in dieser Sprache mit Text und Audio.
Die Sitzung wird mit session.update-Ereignissen über den Socket konfiguriert, statt mit Anfrageparametern. Stellen Sie die Zielsprache ein, bevor Sie Audio senden. Das Glossar legt fest, wie bestimmte Begriffe übersetzt werden, und voice_clone spricht die Übersetzung in der eigenen Stimme des Sprechers. Text- und Audio-Tokens werden zu getrennten Sätzen abgerechnet.
Auch bekannt als Alibaba Cloud Qwen3.8 LiveTranslate Flash Realtime
qwen3-8-livetranslate-flash-realtime/v1/realtimeqwen3.8-livetranslate-flash-realtimealibaba/qwen3-8-livetranslate-flash-realtimeLive Pay-as-you-go-Preise aus dem EmpirioLabs-Katalog. Du zahlst nur für das, was du nutzt, ohne monatliches Minimum.
Qwen3.8 LiveTranslate Flash Realtime ist gesprochene Übersetzung über einen WebSocket unter wss://api.empiriolabs.ai/v1/realtime?model=qwen3-8-livetranslate-flash-realtime, nicht über die HTTP-Endpunkte. Verbinden Sie sich mit der Modell-ID qwen3-8-livetranslate-flash-realtime und senden Sie Ihren EmpirioLabs-API-Schlüssel beim Handshake als Authorization: Bearer-Header. Legen Sie die Zielsprache mit einem session.update fest, bevor Sie Audio senden. 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. 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=qwen3-8-livetranslate-flash-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
import base64
await ws.send(json.dumps({
"type": "session.update",
"session": {
"voice": "Tina",
"translation": {"language": "en"},
"modalities": ["text", "audio"],
},
}))
# 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(),
}))
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"] in ("response.audio_transcript.text", "response.text.text"):
print(event.get("text") or "")
elif event["type"] == "response.done":
break
asyncio.run(main())Request-Parameter, die die Qwen3.8 LiveTranslate Flash Realtime API auf EmpirioLabs unterstützt. Standardwerte gelten, wenn ein Feld weggelassen wird.
| Parameter | Typ | Standard | Bereich / Werte | Beschreibung |
|---|---|---|---|---|
| voice | enum | Tina | Tina, Serena, Ethan, Cindy | Sprechstimme für das übersetzte Audio. Setze es auf session.update, bevor das Modell Audio erzeugt. Wird nicht verwendet, solange voice_clone einmal oder immer ist. |
| target_language | enum | en | zh, en, ar, de, fr, es, pt, id, it, ko, ru, th, vi, ja, tr, h... | Sprache, in die das Modell übersetzt wird. Standardmäßig steht en. Diese Sprachen werden in Sprache und Text übersetzt. Mit nur Textausgabe (Modalitäten ["text"])... |
| modalities | string | ["text","audio"] | - | Welche Ausgabetypen das Modell zurückgibt: ["text", "audio"] standardmäßig oder ["text"] für eine reine Textübersetzung, die die reinen Textsprachen benötigen. |
| input_audio_format | enum | pcm | pcm | Codierung des Audios, das du dem Eingangspuffer anhängst: base64 16-Bit-PCM. |
| output_audio_format | enum | pcm | pcm | Codierung des Audios, das das Modell zurückstreamt: base64 16-Bit-PCM. |
| voice_clone | enum | off | off, once, always | Spricht die Übersetzung in der eigenen Stimme des Sprechers. Einmal hält die Stimme zu Beginn der Sitzung für jede Antwort hörbar; stimmt die Stimme immer vor jeder... |
| glossary | object | - | - | Bevorzugte Übersetzungen für bestimmte Begriffe, als Objekt von Quellbegriff zu Übersetzung, zum Beispiel {"machine learning": "aprendizaje automático"}. Bis zu... |
Gesprochene Übersetzung über einen WebSocket unter wss://api.empiriolabs.ai/v1/realtime?model=qwen3-8-livetranslate-flash-realtime, authentifiziert mit dem normalen Autorisierungsträger-Header. Setze die Zielsprache mit session.update, bevor du Audio versendest. Mit Modalitäten auf ["text"] übersetzen 31 weitere Zielsprachen ausschließlich als Text. Füge ein Glossar hinzu, um festzulegen, wie bestimmte Begriffe übersetzt werden. Verwenden Sie eine Stimme, die dieses Modell akzeptiert, oder lassen Sie die Standard-Tina. Um die Übersetzung in der eigenen Stimme des Sprechers zu sprechen, stellen Sie voice_clone auf einmal (die zu Beginn der Sitzung zu hören Stimme) oder immer (die Stimme des Sprechenden, die vor jeder Antwort abgestimmt wird); Klonen ist kostenlos. Audio- und Texttoken werden separat bepreist, und jeder abgeschlossene Zug wird eigenständig nach der vom Modell angegebenen Nutzung abgerechnet.
Auf EmpirioLabs wird Qwen3.8 LiveTranslate Flash Realtime nach Verbrauch abgerechnet: Eingabe: Audio $15.00 pro 1M Audio-Eingangstoken; Eingabe $1.10 pro 1M Prompt-Token; Ausgabe $40.00 pro 1 Million generierter Token; Ausgabe: Audio $60.00 pro 1M generierten Audio-Tokens. Die Live-Preistabelle auf dieser Seite entspricht immer dem, was die API berechnet.
Qwen3.8 LiveTranslate Flash Realtime unterstützt ein Kontextfenster von 48K Token mit bis zu 4.096 Ausgabe-Token pro Antwort.
Qwen3.8 LiveTranslate Flash Realtime 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. Qwen3.8 LiveTranslate Flash Realtime 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 qwen3-8-livetranslate-flash-realtime 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.
