Qwen Audio 3.1 Realtime Flash et Qwen Audio 3.0 Realtime Plus côte à côte : caractéristiques, capacités, paramètres et tarifs en direct du catalogue EmpirioLabs.
Alibaba Cloud Production audioQwen Audio 3.1 Realtime Flash et Qwen Audio 3.0 Realtime Plus sont deux modèles Alibaba Cloud de la catégorie Production audio, disponibles via l'API EmpirioLabs.
| Spéc. | Qwen Audio 3.1 Realtime Flash | Qwen Audio 3.0 Realtime Plus |
|---|---|---|
| ID du modèle | qwen-audio-3-1-realtime-flash | qwen-audio-3-0-realtime-plus |
| Auteur | Alibaba Cloud | Alibaba Cloud |
| Publié | 27 oct. 2026 | 10 août 2026 |
| Fenêtre de contexte | 240K tokens | 16K tokens |
| Sortie max | 16 384 tokens | 8 192 tokens |
| Entrée | Audio Texte | Audio Texte |
| Sortie | Audio Texte | Audio Texte |
| Région | Singapore | Singapore |
| Endpoints | WEBSOCKET /v1/realtime | WEBSOCKET /v1/realtime |
| Capacités |
Tarifs en direct du catalogue EmpirioLabs pour les deux modèles. Chaque grille tarifaire correspond toujours à ce que l'API facture.
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.
| Paramètre | Qwen Audio 3.1 Realtime Flash | Qwen Audio 3.0 Realtime Plus |
|---|---|---|
| voice | longanqian_v3.1, longanhuan_v3.1, longanlingxin_v3.1, longanf... Par défaut: longanqian_v3.1 | longanqian, longanlingxin, longanlufeng, longanlingxi, longan... Par défaut: longanqian |
| instructions | string | string |
| input_language | auto, zh, en, ja, ko, vi, th, id, ar, fr, de, es, pt, ru, it Par défaut: auto | - |
| output_language | auto, zh, en, ja, ko, vi, th, id, ar, fr, de, es, pt, ru, it Par défaut: auto | - |
| speed | 0.5 à 2 | 0.5 à 2 |
| enable_speech_emotion | boolean Par défaut: true | boolean Par défaut: true |
| max_history_turns | 1 à 50 | 1 à 50 |
| enable_search | boolean Par défaut: false | boolean Par défaut: false |
| modalities | string Par défaut: ["text","audio"] | string Par défaut: ["text","audio"] |
| input_audio_format | pcm16 Par défaut: pcm16 | pcm16 Par défaut: pcm16 |
| output_audio_format | pcm24 Par défaut: pcm24 | pcm24 Par défaut: pcm24 |
| turn_detection | string Par défaut: {"type":"server_vad"} | string Par défaut: {"type":"server_vad"} |
Voix full-duplex sur un WebSocket à wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-realtime-flash, authentifiée avec l’en-tête Authorization Bearer ordinaire. Configurez la session avec session.update sur le socket: voix, instructions, modalités, détection de virage, langues et livraison.
Définissez input_language à la langue que vous parlez, dans laquelle la transcription de votre discours est écrite, et output_language à la langue dans laquelle la réponse parlée est lue. Chacun prend auto ou l’un des zh, en, ja, ko, vi, th, id, ar, fr, de, es, pt, ru et it. Le langage de sortie ne traduit pas la réponse, demandez donc aussi sa langue dans vos instructions. speed (0,5 à 2) définit le débit de parole, enable_speech_emotion la prestation expressive, et max_history_turns (1 à 50) combien d’échanges précédents le modèle lit.
Les voix de ce modèle sont à part entière. Choisissez une voix dans la liste vocale plutôt que de porter une voix en face d’un autre modèle, ou laissez-la non réglée et la voix par défaut vous sera fournie.
La recherche web est désactivée par défaut. Activez-la avec enable_search. Elle fonctionne dans la même session que l’appel de fonction, et les résultats de recherche sont ajoutés à la conversation et comptabilisés comme jetons d’entrée.
Les jetons audio et texte sont tarifés séparément dans les deux directions. Une réponse vocale est facturée uniquement pour ses jetons de sortie audio, et le débit de sortie texte s’applique aux réponses sans audio. Chaque tour complet est facturé de manière autonome selon l’utilisation rapportée par le modèle.
Voix full-duplex sur un WebSocket à wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-realtime-plus, authentifiée avec l’en-tête Authorization Bearer ordinaire. Configurez la session avec session.update sur le socket: voix, instructions, modalités, détection et livraison des tours.
speed (0,5 à 2) définit le débit de parole, enable_speech_emotion la prestation expressive, et max_history_turns (1 à 50) combien d’échanges précédents le modèle lit auparavant. Demandez la langue de la réponse dans vos instructions.
Les voix de ce modèle sont à part entière. Choisissez une voix dans la liste vocale plutôt que de porter une voix en face d’un autre modèle, ou laissez-la non réglée et la voix par défaut vous sera fournie.
La recherche web est désactivée par défaut. Activez-la avec enable_search. Elle ne peut pas être activée dans la même session que l’appel de fonction, et les résultats de recherche sont ajoutés à la conversation et comptabilisés comme jetons d’entrée.
Les jetons audio et texte sont tarifés séparément dans les deux directions. Une réponse vocale est facturée uniquement pour ses jetons de sortie audio, et le débit de sortie texte s’applique aux réponses sans audio. Chaque tour complet est facturé de manière autonome selon l’utilisation rapportée par le modèle.
Qwen Audio 3.1 Realtime Flash tient une conversation en direct via un WebSocket sur wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-realtime-flash, et non via les endpoints HTTP. Connectez-vous avec l'id de modèle qwen-audio-3-1-realtime-flash et envoyez votre clé API EmpirioLabs dans un en-tête Authorization: Bearer lors du handshake. L'audio circule dans les deux sens en PCM 16 bits encodé en base64. 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-realtime-flash ou qwen-audio-3-0-realtime-plus. 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-realtime-flash",
additional_headers=[
("Authorization", f"Bearer {os.environ['EMPIRIOLABS_API_KEY']}"),
],
max_size=None,
) as ws:
print(json.loads(await ws.recv())["type"]) # session.created
await ws.send(json.dumps({
"type": "conversation.item.create",
"item": {
"type": "message",
"role": "user",
"content": [{"type": "input_text", "text": "Say hello."}],
},
}))
await ws.send(json.dumps({"type": "response.create"}))
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"] == "response.done":
break
asyncio.run(main())Tests de prompts et comparaisons qui couvrent les deux modèles.
Qwen Audio 3.1 Realtime Flash est la version la plus récente (27 oct. 2026) ; Qwen Audio 3.0 Realtime Plus est sorti le 10 août 2026. Qwen Audio 3.1 Realtime Flash a la plus grande fenêtre de contexte : 240K tokens, contre 16K pour Qwen Audio 3.0 Realtime Plus. Qwen Audio 3.1 Realtime Flash renvoie jusqu'à 16 384 tokens de sortie par réponse, Qwen Audio 3.0 Realtime Plus jusqu'à 8 192. Les caractéristiques, les grilles tarifaires et les paramètres de cette page proviennent du catalogue EmpirioLabs en direct.
Qwen Audio 3.1 Realtime Flash est la version la plus récente (27 oct. 2026) ; Qwen Audio 3.0 Realtime Plus est sorti le 10 août 2026.
Qwen Audio 3.1 Realtime Flash affiche le tarif le plus bas pour Entrée : audio (par 1M de jetons d’entrée audio) et Entrée (par 1M de jetons d’invite). Les deux grilles tarifaires en direct sont sur cette page et correspondent toujours à ce que l'API facture.
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.
Oui. Ouvrez chaque modèle dans le playground EmpirioLabs et appuyez sur Start session pour l'essayer dans votre navigateur.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.
