Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream

Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream en un coup d'œil

Qwen Audio 3.1 ASR Stream et Qwen Audio 3.0 ASR Stream sont deux modèles Alibaba Cloud de la catégorie Transcription, disponibles via l'API EmpirioLabs.

Différences clés

Les deux modèles affichent les mêmes caractéristiques principales. Les grilles tarifaires et les paramètres ci-dessous montrent où ils diffèrent.

Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream : caractéristiques

Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream : tarifs de l'API

Tarifs en direct du catalogue EmpirioLabs pour les deux modèles. Chaque grille tarifaire correspond toujours à ce que l'API facture.

Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream : paramètres de l'API

Paramètres de requête indiqués pour chaque modèle sur EmpirioLabs, avec les valeurs autorisées ou la plage le cas échéant. Un tiret signale un paramètre que le modèle n'indique pas.

Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream : limites et notes

Qwen Audio 3.1 ASR Stream

Connexion

Transcription en temps réel via un WebSocket à wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-stream, authentifiée avec l’en-tête ordinaire du porteur d’autorisation.

Envoi audio

Diffusez de l’audio mono pcm16 16 à 16 kHz avec input_audio_buffer.append. La détection d’activité vocale détermine où chaque phrase se termine, donc il n’y a pas de commit à envoyer.

Paramètres de la session

Envoyez session.update juste après session.created, avant le premier audio, avec l’un de ces réglages: input_audio_transcription.language (ou le paramètre de requête language de l’URL de connexion; auto par défaut), input_audio_transcription.prompt avec les noms et termes utilisés par le locuteur (jusqu’à 400 caractères), turn_detection.silence_duration_ms (200 à 6000, 800 par défaut) et turn_detection.threshold (0,0 à 1,0), et input_audio_noise_reduction (near_field ou far_field). keep_dialect conserve les mots du dialecte chinois tels qu’ils sont prononcés. Un paramètre modifié pendant le streaming de l’audio met fin à la phrase en cours et s’applique à l’audio envoyé après.

Que reviendrai

conversation.item.input_audio_transcription.delta événements portent la phrase jusqu’au bout alors que le locuteur parle encore, et conversation.item.input_audio_transcription.completed porte la phrase établie à chaque pause.

Facturation

Les jetons d’entrée et de sortie sont tarifés par 1M, et chaque phrase complétée est facturée elle-même à partir de l’utilisation rapportée par le modèle.

Qwen Audio 3.0 ASR Stream

Connexion

Transcription en temps réel via un WebSocket à wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-asr-stream, authentifiée avec l’en-tête ordinaire du porteur d’autorisation.

Envoi audio

Diffusez de l’audio mono pcm16 16 à 16 kHz avec input_audio_buffer.append. La détection d’activité vocale détermine où chaque phrase se termine, donc il n’y a pas de commit à envoyer.

Paramètres de la session

Envoyez session.update juste après session.created, avant le premier audio, avec l’un de ces réglages: input_audio_transcription.language (ou le paramètre de requête language de l’URL de connexion; auto par défaut), input_audio_transcription.prompt avec les noms et termes utilisés par le locuteur (jusqu’à 400 caractères), turn_detection.silence_duration_ms (200 à 6000, 800 par défaut) et turn_detection.threshold (0,0 à 1,0), et input_audio_noise_reduction (near_field ou far_field). keep_dialect conserve les mots du dialecte chinois tels qu’ils sont prononcés. Un paramètre modifié pendant le streaming de l’audio met fin à la phrase en cours et s’applique à l’audio envoyé après.

Que reviendrai

conversation.item.input_audio_transcription.delta événements portent la phrase jusqu’au bout alors que le locuteur parle encore, et conversation.item.input_audio_transcription.completed porte la phrase établie à chaque pause.

Facturation

Facturé par seconde de l’audio que vous diffusez, silence inclus, au tarif horaire affiché. La session est facturée à sa fin.

Comment appeler Qwen Audio 3.1 ASR Stream et Qwen Audio 3.0 ASR Stream

Qwen Audio 3.1 ASR Stream transcrit un flux audio en direct via un WebSocket sur wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-stream, et non via les endpoints HTTP. Connectez-vous avec l'id de modèle qwen-audio-3-1-asr-stream et envoyez votre clé API EmpirioLabs dans un en-tête Authorization: Bearer lors du handshake. Ajoutez de l'audio PCM 16 bits encodé en base64 et lisez les événements de transcription pendant que la personne parle encore. Un navigateur ne peut pas définir d'en-têtes sur un WebSocket : ouvrez donc cette connexion depuis votre serveur et relayez l'audio vers le navigateur via votre propre socket. Les deux modèles s'appellent via le même endpoint. Définissez model sur qwen-audio-3-1-asr-stream ou qwen-audio-3-0-asr-stream. Obtenez une clé API depuis le tableau de bord EmpirioLabs.

import asyncio, json, os, websockets

async def main():
    async with websockets.connect(
        "wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-stream",
        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())

Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream : questions fréquentes

Quelle est la différence entre Qwen Audio 3.1 ASR Stream et Qwen Audio 3.0 ASR Stream ?

Les deux modèles affichent les mêmes caractéristiques principales. Les grilles tarifaires et les paramètres ci-dessous montrent où ils diffèrent. Les caractéristiques, les grilles tarifaires et les paramètres de cette page proviennent du catalogue EmpirioLabs en direct.

Lequel a le tarif le plus bas, Qwen Audio 3.1 ASR Stream ou Qwen Audio 3.0 ASR Stream ?

Les deux modèles sont tarifés sur des unités ou des paliers différents : comparez les grilles tarifaires en direct de cette page. Elles correspondent toujours à ce que l'API facture.

Puis-je passer de Qwen Audio 3.1 ASR Stream à Qwen Audio 3.0 ASR Stream sans reconstruire mon intégration ?

Oui. Les deux modèles utilisent WEBSOCKET /v1/realtime avec la même clé API EmpirioLabs : la plupart des intégrations basculent en changeant la valeur model. Vérifiez d'abord le tableau des paramètres de cette page si vous dépendez d'un paramètre propre à un modèle.

Puis-je essayer Qwen Audio 3.1 ASR Stream et Qwen Audio 3.0 ASR Stream dans le navigateur avant d'intégrer ?

Oui. Ouvrez chaque modèle dans le playground EmpirioLabs et appuyez sur Start session pour l'essayer dans votre navigateur.