Traducción hablada simultánea a través de un WebSocket. Establece el idioma destino y luego habla; el modelo responde en ese idioma con texto y audio.
Alibaba Cloud Generación de audio 48K contexto Lanzado 17 sept 2026 Singapore Endpoint propietario NuevoTraducción hablada simultánea a través de un WebSocket. Establece el idioma destino y luego habla; el modelo responde en ese idioma con texto y audio.
La sesión se configura con los eventos session.update a través del socket en lugar de parámetros de solicitud. Establece el idioma destino antes de enviar audio. El glosario establece cómo se traducen términos específicos y voice_clone pronuncia la traducción con la voz del propio hablante. Los tokens de texto y audio facturan a tarifas separadas.
También conocido como Alibaba Cloud Qwen3.8 LiveTranslate Flash Realtime
qwen3-8-livetranslate-flash-realtime/v1/realtimeqwen3.8-livetranslate-flash-realtimealibaba/qwen3-8-livetranslate-flash-realtimeTarifas de pago por uso en vivo del catálogo de EmpirioLabs. Solo pagas por lo que usas, sin mínimo mensual.
Qwen3.8 LiveTranslate Flash Realtime es traducción hablada en vivo a través de un WebSocket en wss://api.empiriolabs.ai/v1/realtime?model=qwen3-8-livetranslate-flash-realtime, no a través de los endpoints HTTP. Conéctate con el id de modelo qwen3-8-livetranslate-flash-realtime y envía tu clave de API de EmpirioLabs como cabecera Authorization: Bearer en el handshake. Define el idioma de destino con un session.update antes de enviar audio. El audio viaja en ambos sentidos como PCM de 16 bits en base64. Un navegador no puede establecer cabeceras en un WebSocket, así que abre esta conexión desde tu servidor y retransmite el audio al navegador por tu propio socket. Consigue una clave de API en el panel de EmpirioLabs.
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())Parámetros de solicitud compatibles con la API de Qwen3.8 LiveTranslate Flash Realtime en EmpirioLabs. Los valores por defecto se aplican cuando se omite un campo.
| Parámetro | Tipo | Predeterminado | Rango / valores | Descripción |
|---|---|---|---|---|
| voice | enum | Tina | Tina, Serena, Ethan, Cindy | Voz hablada para el audio traducido. Configúralo con session.update antes de que el modelo produzca cualquier audio. No se usa mientras voice_clone es una vez o siempre. |
| target_language | enum | en | zh, en, ar, de, fr, es, pt, id, it, ko, ru, th, vi, ja, tr, h... | Idioma al que se traduce el modelo. Por defecto en. Estos idiomas se traducen en voz y texto. Con solo salida de texto (modalidades ["texto"]), 31 más se traducen a... |
| modalities | string | ["text","audio"] | - | Qué tipos de salida devuelve el modelo: ["text", "audio"] por defecto, o ["text"] para una traducción solo de texto, que los idiomas objetivo solo de texto necesitan. |
| input_audio_format | enum | pcm | pcm | Codificación del audio que añades al búfer de entrada: PCM base64 de 16 bits. |
| output_audio_format | enum | pcm | pcm | Codificación del audio que el modelo transmite de vuelta: PCM base64 de 16 bits. |
| voice_clone | enum | off | off, once, always | Habla la traducción con la propia voz del hablante. Una vez mantiene la voz escuchada al inicio de la sesión para cada respuesta; siempre coincide con la voz antes... |
| glossary | object | - | - | Traducciones preferidas para términos específicos, como objeto de origen término a traducción, por ejemplo {"machine learning": "aprendizaje automático"}. Hasta... |
Traducción hablada a través de un WebSocket en wss://api.empiriolabs.ai/v1/realtime?model=qwen3-8-livetranslate-flash-realtime, autenticada con la cabecera ordinaria de Portador de Autorización. Configura el idioma destino con session.update antes de enviar el audio. Con las modalidades configuradas en ["text"], 31 idiomas objetivo más traducen solo a texto. Añade glosario para definir cómo se traducen términos específicos. Usa una voz que este modelo acepte, o deja la Tina por defecto. Para pronunciar la traducción en la voz del propio hablante, establece voice_clone a una vez (la voz escuchada al inicio de la sesión) o siempre (la voz de quien habla, emparejada antes de cada respuesta); la clonación no añade coste. Los tokens de audio y texto se valoran por separado, y cada turno completado se factura por separado según el uso que reporte el modelo.
En EmpirioLabs, Qwen3.8 LiveTranslate Flash Realtime se factura por uso: Entrada: audio $15.00 por 1M de tokens de entrada de audio; Entrada $1.10 por 1M de tokens de prompt; Salida $40.00 por 1M de tokens generados; Salida: audio $60.00 por cada 1M de tokens de audio generados. La tabla de tarifas en vivo de esta página siempre coincide con lo que cobra la API.
Qwen3.8 LiveTranslate Flash Realtime admite una ventana de contexto de 48K tokens con hasta 4096 tokens de salida por respuesta.
Qwen3.8 LiveTranslate Flash Realtime se sirve a través de WEBSOCKET /v1/realtime en api.empiriolabs.ai con autenticación estándar de token Bearer.
Abre el playground de EmpirioLabs y pulsa Start session para probarlo en tu navegador. Qwen3.8 LiveTranslate Flash Realtime funciona sobre un WebSocket en lugar de una petición y una respuesta, así que para integrarlo empieza por la guía rápida de voz en tiempo real. Conéctate desde tu servidor con tu clave de API de EmpirioLabs y el id de modelo qwen3-8-livetranslate-flash-realtime, y luego transmite audio en ambos sentidos.
Crea una cuenta de EmpirioLabs y genera una clave en API Keys en el panel. La facturación es con créditos de pago por uso, así que solo pagas por las solicitudes que haces.
Consulta nuestros precios o contacta con nosotros si quieres que tu propio modelo se implemente en nuestra pila.
