प्रकार
स्पेक
दर
इनपुट: ऑडियो
प्रति 1M ऑडियो इनपुट टोकन
$15.00
इनपुट
प्रति 1M प्रॉम्प्ट टोकन
$1.10
आउटपुट
प्रति 1M जेनरेट किए गए टोकन
$40.00
आउटपुट: ऑडियो
प्रति 1M जनरेट किए गए ऑडियो टोकन
$60.00
Qwen3.8 LiveTranslate Flash Realtime और Qwen3.5 Omni Plus Realtime साथ-साथ: विशेषताएं, क्षमताएं, पैरामीटर और EmpirioLabs कैटलॉग की लाइव कीमतें।
Alibaba Cloud ऑडियो जनरेशनQwen3.8 LiveTranslate Flash Realtime और Qwen3.5 Omni Plus Realtime दोनों Alibaba Cloud के मॉडल हैं, ऑडियो जनरेशन श्रेणी में आते हैं और EmpirioLabs API के ज़रिए उपलब्ध हैं।
| स्पेक | Qwen3.8 LiveTranslate Flash Realtime | Qwen3.5 Omni Plus Realtime |
|---|---|---|
| मॉडल ID | qwen3-8-livetranslate-flash-realtime | qwen3-5-omni-plus-realtime |
| निर्माता | Alibaba Cloud | Alibaba Cloud |
| रिलीज | 17 सित॰ 2026 | - |
| कॉन्टेक्स्ट विंडो | 48K टोकन | 192K टोकन |
| अधिकतम आउटपुट | 4,096 टोकन | 65,536 टोकन |
| इनपुट | ऑडियो टेक्स्ट | ऑडियो टेक्स्ट इमेज वीडियो |
| आउटपुट | ऑडियो टेक्स्ट | ऑडियो टेक्स्ट |
| रीजन | Singapore | Singapore |
| एंडपॉइंट | WEBSOCKET /v1/realtime | WEBSOCKET /v1/realtime |
| क्षमताएं |
दोनों मॉडलों के लिए EmpirioLabs कैटलॉग की लाइव दरें। हर दर तालिका हमेशा API की वास्तविक बिलिंग से मेल खाती है।
EmpirioLabs पर हर मॉडल के लिए सूचीबद्ध रिक्वेस्ट पैरामीटर, और जहां लागू हो वहां मान्य मान या सीमा। डैश उस पैरामीटर को दिखाता है जो मॉडल के लिए सूचीबद्ध नहीं है।
| पैरामीटर | Qwen3.8 LiveTranslate Flash Realtime | Qwen3.5 Omni Plus Realtime |
|---|---|---|
| voice | Tina, Serena, Ethan, Cindy डिफॉल्ट: Tina | Tina, Serena, Ethan, Dylan, Sunny, Peter, Kiki, Eric डिफॉल्ट: Tina |
| target_language | zh, en, ar, de, fr, es, pt, id, it, ko, ru, th, vi, ja, tr, h... डिफॉल्ट: en | - |
| modalities | string डिफॉल्ट: ["text","audio"] | string डिफॉल्ट: ["text","audio"] |
| input_audio_format | pcm डिफॉल्ट: pcm | pcm डिफॉल्ट: pcm |
| output_audio_format | pcm डिफॉल्ट: pcm | pcm डिफॉल्ट: pcm |
| voice_clone | off, once, always डिफॉल्ट: off | - |
| glossary | object | - |
| instructions | - | string |
| turn_detection | - | string डिफॉल्ट: {"type":"server_vad"} |
| max_response_output_tokens | - | 1 से 65536 |
| temperature | - | 0 से 1.99 |
| top_p | - | 0.01 से 1 |
| top_k | - | 1 से 100 |
| repetition_penalty | - | 0.1 से 2 |
| presence_penalty | - | -2 से 2 |
| seed | - | 0 से 2147483647 |
wss://api.empiriolabs.ai/v1/realtime?model=qwen3-8-livetranslate-flash-realtime पर WebSocket पर बोले गए अनुवाद, साधारण प्राधिकरण वाहक हेडर के साथ प्रमाणित। ऑडियो भेजने से पहले session.update के साथ लक्ष्य भाषा सेट करें। ["text"] पर सेट तौर-तरीकों के साथ, 31 और लक्ष्य भाषाएं केवल पाठ में अनुवाद करती हैं। विशिष्ट शब्दों का अनुवाद कैसे किया जाता है, यह निर्धारित करने के लिए शब्दावली जोड़ें। उस आवाज़ का उपयोग करें जिसे यह मॉडल स्वीकार करता है, या डिफ़ॉल्ट टीना को छोड़ दें। वक्ता की अपनी आवाज़ में अनुवाद बोलने के लिए, voice_clone को एक बार (सत्र की शुरुआत में सुनाई देने वाली आवाज़) या हमेशा (जो कोई भी बोल रहा है उसकी आवाज़, प्रत्येक उत्तर से पहले मेल खाती है) पर सेट करें; क्लोनिंग कोई शुल्क नहीं जोड़ती है। ऑडियो और टेक्स्ट टोकन की कीमत अलग-अलग होती है, और प्रत्येक पूर्ण मोड़ को मॉडल रिपोर्ट के उपयोग से अपने आप बिल किया जाता है।
wss://api.empiriolabs.ai/v1/realtime?model=qwen3-5-omni-plus-realtime पर WebSocket पर पूर्ण-डुप्लेक्स आवाज, साधारण प्राधिकरण वाहक हेडर के साथ प्रमाणित। सॉकेट पर session.update के साथ सत्र को कॉन्फ़िगर करें: आवाज, निर्देश, तौर-तरीके, टर्न डिटेक्शन, सैंपलिंग और उत्तर लंबाई सीमा, max_response_output_tokens। पहले ऑडियो के बाद input_image_buffer.append के साथ जेपीईजी छवियों के रूप में कैमरा या वीडियो फ्रेम भेजें। प्रोटोकॉल के बीटा संस्करण के साथ WAV या किसी अन्य नमूना दर के लिए, पहले ऑडियो से पहले session.audio.input.format और session.audio.output.format सेट करें। इस मॉडल की आवाज़ें पिछली ओमनी पीढ़ी से भिन्न होती हैं, इसलिए इसे स्वीकार करने वाले को सेट करें या डिफ़ॉल्ट छोड़ दें; एक अज्ञात आवाज त्रुटि वापस करने के बजाय सत्र को समाप्त कर देती है। टेक्स्ट और ऑडियो टोकन की कीमत अलग-अलग होती है, एक स्पोकन रिप्लाई को केवल इसके ऑडियो आउटपुट टोकन के लिए बिल किया जाता है, और प्रत्येक पूर्ण मोड़ को मॉडल रिपोर्ट के उपयोग से अपने आप बिल किया जाता है।
हर मॉडल की अपनी रिक्वेस्ट है। EmpirioLabs डैशबोर्ड से API key प्राप्त करें।
Qwen3.8 LiveTranslate Flash Realtime HTTP एंडपॉइंट के बजाय wss://api.empiriolabs.ai/v1/realtime?model=qwen3-8-livetranslate-flash-realtime पर एक WebSocket के ज़रिए बोली का अनुवाद करता है। मॉडल id qwen3-8-livetranslate-flash-realtime के साथ कनेक्ट करें और हैंडशेक पर अपनी EmpirioLabs API key को Authorization: Bearer हेडर के रूप में भेजें। ऑडियो भेजने से पहले session.update से लक्ष्य भाषा सेट करें। ऑडियो दोनों दिशाओं में base64 16-bit PCM के रूप में जाता है। ब्राउज़र WebSocket पर हेडर सेट नहीं कर सकता, इसलिए यह कनेक्शन अपने सर्वर से खोलें और ऑडियो को अपने सॉकेट के ज़रिए ब्राउज़र तक पहुँचाएँ।
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())Qwen3.5 Omni Plus Realtime HTTP एंडपॉइंट के बजाय wss://api.empiriolabs.ai/v1/realtime?model=qwen3-5-omni-plus-realtime पर एक WebSocket के ज़रिए लाइव बातचीत करता है। मॉडल id qwen3-5-omni-plus-realtime के साथ कनेक्ट करें और हैंडशेक पर अपनी EmpirioLabs API key को Authorization: Bearer हेडर के रूप में भेजें। ऑडियो दोनों दिशाओं में base64 16-bit PCM के रूप में जाता है। ब्राउज़र WebSocket पर हेडर सेट नहीं कर सकता, इसलिए यह कनेक्शन अपने सर्वर से खोलें और ऑडियो को अपने सॉकेट के ज़रिए ब्राउज़र तक पहुँचाएँ।
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())Qwen3.5 Omni Plus Realtime की कॉन्टेक्स्ट विंडो बड़ी है: 192K टोकन, जबकि Qwen3.8 LiveTranslate Flash Realtime की 48K। हर जवाब में Qwen3.5 Omni Plus Realtime अधिकतम 65,536 आउटपुट टोकन लौटाता है, Qwen3.8 LiveTranslate Flash Realtime अधिकतम 4,096। सिर्फ Qwen3.5 Omni Plus Realtime द्वारा स्वीकार किए जाने वाले इनपुट प्रकार: इमेज, वीडियो। इस पेज की विशेषताएं, दर तालिकाएं और पैरामीटर EmpirioLabs के लाइव कैटलॉग से आते हैं।
इनपुट: ऑडियो (प्रति 1M ऑडियो इनपुट टोकन) और इनपुट (प्रति 1M प्रॉम्प्ट टोकन) के लिए Qwen3.8 LiveTranslate Flash Realtime की दर कम है। दोनों लाइव दर तालिकाएं इस पेज पर हैं और हमेशा API की वास्तविक बिलिंग से मेल खाती हैं।
हां। हर मॉडल को EmpirioLabs playground में खोलें और Start session दबाकर इसे अपने ब्राउज़र में आज़माएं।
हमारे मूल्य निर्धारण की जाँच करें या यदि आप चाहते हैं कि आपका अपना मॉडल हमारे स्टैक पर तैनात किया जाए, तो पहुंचें।