Qwen Audio 3.0 Realtime Plus et Qwen Audio 3.0 Realtime Flash sont disponibles sur EmpirioLabs. Les deux sont des modèles de conversation vocale Alibaba: vous ouvrez un WebSocket, vous diffusez l’audio du microphone en direct, et la réponse vocale est en retour. Chacun dispose de 19 voix, d’une détection de tour qui indique une pause à la fin d’une phrase, d’une recherche web native et d’un appel de fonctions. Realtime Plus équilibre le raisonnement avec le rythme conversationnel; Realtime Flash est conçu pour des réponses rapides, à un prix bien inférieur.
Essayez-les dans le Playground: Realtime Plus ou Flash en temps réel. Clique sur Lancer la session et discute.
Regardez le film de lancement
Chaque voix du film est une vraie réponse Qwen Audio 3.0 Realtime sur la prise, chacune répondant à une question tapée: Plus avec loongeva et, en mandarin, longanlingxi, et Flash avec Daniel et Sherry. Les images sont des sorties Qwen Image 2.1, et la musique a été générée par ACE-Step sur EmpirioLabs. Regardez-le sur YouTube.
Connexion
wss://api.empiriolabs.ai/v1/realtime ?model=qwen-audio-3-0-realtime-flash Autorisation: Porteur YOUR_EMPIRIOLABS_API_KEY
Configurez la session avec session.update, ajouter l’audio du microphone comme input_audio_buffer.append, et lut la réponse de response.audio.delta, avec sa transcription sur response.audio_transcript.delta. L’audio se déplace en PCM 16 bits, 16 kHz montant et 24 kHz revenant.
{"type »: « session.update », « session »: { « voice »: « daniel », « instructions »: « tu es un agent de soutien amical pour un magasin de vélos. », « turn_detection »: {"type »: « smart_turn"}, « speed »: 1.1 }}
Voix et interprétation
- Des voix. 19 voix, y compris les voix anglaises
Daniel,Echo,Hannah, etSherry, listé sur leVoixdans la référence API et dans le selecteur Playground. LeaveVoixnon enfermé etLonganqianparle. Ces voix diffèrent de celles des modèles Qwen Audio 3.1 en temps réel. - Livraison.
Vitesse(0,5 à 2) fixe le taux de parole,enable_speech_emotionla transmission expressive, etmax_history_turns(1 à 50) combien d’échanges antérieurs le modèle affiche. - Détection de tour.
server_vad, le par défaut, met fin à votre tour après une pause;smart_turnIl juge aussi ce qui a été dit, pour que les sons de remplissage ne finissent pas un tour, etsmart_turn_v2Il répond aussi moins souvent aux témoins.
Recherche web ou appel de fonction
La recherche web est désactivée par défaut; activez-la avec enable_search, ou déclarer des fonctions dans Outils. Utilisez-en une par session: un session.update qui se retournerait contre les deux est refusé avec un Erreur événement nommant le champ, et la session conserve ses paramètres antérieurs. Pour rechercher dans une session qui a déclaré des outils, envoyez « outils »: [] D’abord. Pour les deux en une seule séance, utilisez Qwen Audio 3.1 Flash en temps réel.
Notes opérationnelles
- Choisissez la voix avant le premier tour. Une fois que la session a commencé à traiter l’audio, un
session.updateavec une voix différente est refusée par unErreurévénement. Ouvre une nouvelle session pour changer de voix. - Il n’y a pas de réglage linguistique.
input_languageetoutput_languageles réglages Qwen Audio 3.1 sont; sur la version 3.0, chacun obtient unErreurévénement qui le nomme, et le reste de la mise à jour s’applique. Disons dansInstructionsDans quelle langue répondre. - Continuez à diffuser brièvement après la fin du discours. La détection de virage met fin à un tour en entendant le haut-parleur s’arrêter, donc envoyez environ une seconde de silence après le dernier mot.
Prix
Chaque tour complété est facturé selon l’utilisation rapportée par le modèle, avec des tarifs séparés pour les jetons audio et texte dans les deux directions, de sorte qu’une réponse texte uniquement coûte moins cher qu’une réponse parlée. Les résultats de recherche comptent comme des jetons d’entrée. Les taux actuels sont sur le Realtime Plus et Flash en temps réel Pages de modèles et le page de prix.
Commencez à construire
La référence API pour chaque modèle est à Realtime Plus et Flash en temps réel, et les tableaux complets des événements se trouvent dans le API vocale en temps réel guide. Pour la nouvelle génération, voir Comment utiliser l’API Flash en temps réel Qwen Audio 3.1.




