
Entrée et sortie de la parole, sur un seul socket, sur le plus grand niveau Omni, avec des débits séparés des jetons texte et audio et une facturation par tour.
Entrée et sortie de la parole, sur un seul socket, sur le plus grand niveau Omni, avec des débits séparés des jetons texte et audio et une facturation par tour.
La session est configurée avec des événements session.update via le socket plutôt que sur les paramètres de requête. Les jetons texte et audio facturent à des taux différents, et une réponse vocale facture uniquement ses jetons audio.
Aussi connu sous le nom Qwen3.5 Omni Realtime, Alibaba Cloud Qwen3.5 Omni Plus Realtime
qwen3-5-omni-plus-realtime/v1/realtimeqwen3.5-omni-plus-realtimealibaba/qwen3-5-omni-plus-realtimeTarifs à l'usage en direct du catalogue EmpirioLabs. Vous pouvez aussi choisir un forfait avec des quotas hebdomadaires.
Qwen3.5 Omni Plus Realtime tient une conversation en direct via un WebSocket sur wss://api.empiriolabs.ai/v1/realtime?model=qwen3-5-omni-plus-realtime, et non via les endpoints HTTP. Connectez-vous avec l'id de modèle qwen3-5-omni-plus-realtime 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. 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=qwen3-5-omni-plus-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
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())Paramètres de requête pris en charge par l'API Qwen3.5 Omni Plus Realtime sur EmpirioLabs. Les valeurs par défaut s'appliquent quand un champ est omis.
| Paramètre | Type | Par défaut | Plage / valeurs | Description |
|---|---|---|---|---|
| voice | enum | Tina | Tina, Serena, Ethan, Dylan, Sunny, Peter, Kiki, Eric | Voix parlée pendant la session. Configurez-la avec session.update avant que le modèle ne produise un quelconque audio. |
| instructions | string | - | - | Des conseils système sur la façon dont le modèle doit se comporter et parler pendant la conversation. |
| modalities | string | ["text","audio"] | - | Quels types de sortie le modèle retourne pour un tour. Supprime « audio » pour une réponse uniquement textuelle. |
| input_audio_format | enum | pcm | pcm | Codage de l’audio que vous ajoutez au tampon d’entrée: PCM base64 16 bits à 16 kHz. Avec la version bêta du protocole, réglez session.audio.input.format avant le... |
| output_audio_format | enum | pcm | pcm | Encodage de l’audio que le modèle transmet en arrière: PCM base64 16 bits à 24 kHz. Avec la version bêta du protocole, réglez session.audio.output.format avant le... |
| turn_detection | string | {"type":"server_vad"} | - | Détection d’activité vocale: décide quand vous avez fini de parler et le modèle doit répondre. Il est activé par défaut en server_vad, ce qui termine votre tour... |
| max_response_output_tokens | number | - | 1 à 65536 | Le plus grand nombre de jetons de sortie qu’une réponse peut utiliser: de 1 à 65536, où un nombre plus grand est de 65536, ou « inf » pour la limite propre du... |
| temperature | number | - | 0 à 1.99 | Température d’échantillonnage. 0 est déterministe et 1,99 est l’aléatoire maximal. Lorsqu’elle est omise, le défaut propre du modèle s’applique. |
| top_p | number | - | 0.01 à 1 | Masse de probabilité d’échantillonnage du noyau. Des valeurs plus basses rendent les sorties plus ciblées. Lorsqu’elles sont omises, le défaut propre du modèle... |
| top_k | integer | - | 1 à 100 | Échantillonnez uniquement à partir des K jetons les plus probables. Lorsqu’ils sont omis, le défaut par défaut du modèle s’applique. |
| repetition_penalty | number | - | 0.1 à 2 | Des valeurs plus élevées découragent la répétition des phrases, et 1 n’applique aucune pénalité. Lorsqu’elles sont omises, la valeur par défaut du modèle s’applique. |
| presence_penalty | number | - | -2 à 2 | Pénalité pour les jetons déjà apparus dans le texte généré. Les valeurs positives encouragent de nouveaux sujets. Lorsqu’elles sont omises, le défaut par défaut du... |
| seed | integer | - | 0 à 2147483647 | Seed aléatoire pour un échantillonnage plus reproductible. Réutiliser une seed avec la même requête donne une sortie similaire, pas toujours identique. |
Voix full-duplex via un WebSocket à wss://api.empiriolabs.ai/v1/realtime ?model=qwen3-5-omni-plus-realtime, authentifié avec l’en-tête Authorization Bearer ordinaire. Configurez la session avec session.update sur le socket: voix, instructions, modalités, détection de tour, échantillonnage et limite de durée de réponse, max_response_output_tokens. Envoyez des images caméra ou vidéo en JPEG avec input_image_buffer.append, après le premier audio. Pour WAV ou un autre taux d’échantillonnage avec la version bêta du protocole, réglez session.audio.input.format et session.audio.output.format avant le premier audio. Les voix de ce modèle diffèrent de celles de la génération précédente d’Omni, donc configurez un message qu’il accepte ou laissez le défaut; une voix inconnue met fin à la session plutôt que de renvoyer une erreur. Les jetons texte et audio sont tarifés séparément, une réponse vocale est facturée uniquement pour ses jetons de sortie audio, et chaque tour complété est facturé séparément selon l’utilisation rapportée par le modèle.
Sur EmpirioLabs, Qwen3.5 Omni Plus Realtime est facturé à l'usage : Entrée : audio $33.00 par 1M de jetons d’entrée audio; Entrée $4.20 par 1M de jetons d’invite; Sortie $24.80 par 1 million de jetons générés, réponses uniquement textuelles; Sortie : audio $124.00 par 1M de jetons audio générés. Vous pouvez aussi choisir un forfait avec des quotas hebdomadaires. La grille tarifaire en direct de cette page correspond toujours à ce que l'API facture.
Qwen3.5 Omni Plus Realtime accepte en entrée Audio, Texte, Image, Vidéo et renvoie Audio, Texte.
Qwen3.5 Omni Plus Realtime prend en charge une fenêtre de contexte de 192K tokens avec jusqu'à 65 536 tokens de sortie par réponse.
Qwen3.5 Omni Plus Realtime est servi via WEBSOCKET /v1/realtime sur api.empiriolabs.ai avec une authentification standard par token Bearer.
Envoyez qwen3-5-omni-plus-realtime comme modèle dans votre requête. Les identifiants alternatifs qwen3.5-omni-plus-realtime, alibaba/qwen3-5-omni-plus-realtime fonctionnent aussi.
Sur EmpirioLabs, Qwen3.5 Omni Plus Realtime est servi depuis Singapore.
Ouvrez le playground EmpirioLabs et appuyez sur Start session pour l'essayer dans votre navigateur. Qwen3.5 Omni Plus Realtime fonctionne sur un WebSocket plutôt qu'en requête et réponse, donc pour l'intégrer commencez par le guide de démarrage voix en temps réel. Connectez-vous depuis votre serveur avec votre clé API EmpirioLabs et l'id de modèle qwen3-5-omni-plus-realtime, puis diffusez l'audio dans les deux sens.
Créez un compte EmpirioLabs, puis générez une clé sous API Keys dans le tableau de bord. La facturation utilise des crédits à l'usage : vous ne payez que vos requêtes. Vous pouvez aussi choisir un forfait avec des quotas hebdomadaires.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.