एक सॉकेट पर लाइव ट्रांसक्रिप्शन, स्पीकर के बात करते समय आंशिक शब्दों को स्ट्रीम करना और प्रत्येक विराम पर एक व्यवस्थित वाक्य, ऑडियो के प्रति घंटे की कीमत।
Alibaba Cloudप्रतिलेखनरिलीज 30 जुल॰ 2026Singaporeस्वामित्व वाला एंडपॉइंटनयाएक सॉकेट पर लाइव ट्रांसक्रिप्शन, स्पीकर के बात करते समय आंशिक शब्दों को स्ट्रीम करना और प्रत्येक विराम पर एक व्यवस्थित वाक्य, ऑडियो के प्रति घंटे की कीमत।
सॉकेट पर 16 kHz pcm16 ऑडियो स्ट्रीम करें। वक्ता के बात करते समय आंशिक परिणाम आते हैं। भाषा, एक संकेत और विराम सेट करें जो सत्र में एक वाक्य समाप्त करता है। अद्यतन।
इस नाम से भी जाना जाता है Qwen Audio ASR Stream, Alibaba Cloud Qwen Audio 3.0 ASR Stream
qwen-audio-3-0-asr-stream/v1/realtimeqwen-audio-3.0-asr-streamalibaba/qwen-audio-3-0-asr-streamEmpirioLabs कैटलॉग से लाइव pay-as-you-go दरें। आप सिर्फ उतना ही भुगतान करते हैं जितना उपयोग करते हैं, कोई मासिक न्यूनतम नहीं।
Qwen Audio 3.0 ASR Stream HTTP एंडपॉइंट के बजाय wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-asr-stream पर एक WebSocket के ज़रिए लाइव ऑडियो स्ट्रीम को ट्रांसक्राइब करता है। मॉडल id qwen-audio-3-0-asr-stream के साथ कनेक्ट करें और हैंडशेक पर अपनी EmpirioLabs API key को Authorization: Bearer हेडर के रूप में भेजें। base64 16-bit PCM ऑडियो जोड़ें और बोलते रहने के दौरान ही ट्रांसक्रिप्ट इवेंट पढ़ें। 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। EmpirioLabs डैशबोर्ड से API key प्राप्त करें।
import asyncio, json, os, websockets
async def main():
async with websockets.connect(
"wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-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())EmpirioLabs पर Qwen Audio 3.0 ASR Stream API द्वारा समर्थित request पैरामीटर। फ़ील्ड छोड़ने पर डिफ़ॉल्ट मान लागू होते हैं।
| पैरामीटर | प्रकार | डिफॉल्ट | रेंज / मान | विवरण |
|---|---|---|---|---|
| input_audio_format | enum | pcm16 | pcm16 | ऑडियो आप इनपुट बफर के लिए जोड़ने के लिए एन्कोडिंग: base64 16 16 बिट पीसीएम, मोनो, 16 kHz पर. |
| language | enum | auto | auto, zh, en, ja, ko, vi, th, id, ms, tl, hi, ar, fr, de, es,... | भाषण की भाषा, या ऑडियो से इसका पता लगाने के लिए ऑटो। इसे कनेक्शन URL के भाषा क्वेरी पैरामीटर के साथ सेट करें, या session.update में... |
| prompt | string | - | - | पाठ जो पहचान का मार्गदर्शन करता है, 400 वर्णों तक: वक्ता द्वारा उपयोग किए जाने वाले नाम और शब्द, या इस ऑडियो से ठीक पहले बोला गया पाठ। शब्दों को ठीक वैसे ही लिखें... |
| silence_duration_ms | integer | 800 | 200 से 6000 | विराम, मिलीसेकंड में, जो एक वाक्य को समाप्त करता है, 200 से 6000 तक। एक छोटा विराम प्रत्येक वाक्य को जल्दी सुलझाता है; एक लंबा एक वाक्य के अंदर एक विराम रखता है।... |
| threshold | number | - | 0 से 1 | 0.0 से 1.0 तक ट्रांसक्राइब करने से पहले भाषण कितना स्पष्ट होना चाहिए। एक उच्च मान अधिक पृष्ठभूमि शोर को अनदेखा करता है और शांत भाषण को याद कर सकता है। जब छोड़ा जाता... |
| noise_reduction | enum | far_field | far_field, near_field | जिस माइक्रोफ़ोन के लिए स्पीच डिटेक्शन को ट्यून किया जाता है: हेडसेट या फोन के लिए near_field है, far_field लैपटॉप या कमरे के माइक्रोफ़ोन के लिए।... |
| keep_dialect | boolean | false | - | चीनी बोली के शब्दों को बोली जाने के रूप में रखता है। बंद होने पर, बोली भाषण को मानक मंदारिन के रूप में लिखा जाता है। |
wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-asr-stream पर एक वेबसॉकेट पर लाइव ट्रांसक्रिप्शन, साधारण प्राधिकरण वाहक हेडर के साथ प्रमाणित।
input_audio_buffer.append के साथ 16 kHz मोनो pcm16 ऑडियो स्ट्रीम करें। वॉयस एक्टिविटी डिटेक्शन यह तय करता है कि प्रत्येक वाक्य कहाँ समाप्त होता है, इसलिए भेजने के लिए कोई प्रतिबद्धता नहीं है।
session.created के ठीक बाद, पहले ऑडियो से पहले, इनमें से किसी भी सेटिंग के साथ session.update भेजें: input_audio_transcription.language (या कनेक्शन URL का language क्वेरी पैरामीटर; डिफ़ॉल्ट रूप से auto), स्पीकर द्वारा उपयोग किए जाने वाले नामों और शर्तों के साथ input_audio_transcription.prompt (400 वर्णों तक), turn_detection.silence_duration_ms (200 से 6000, डिफ़ॉल्ट 800) और turn_detection.threshold (0.0 से 1.0), और input_audio_noise_reduction (near_field या far_field)। keep_dialect चीनी बोली शब्दों को बोले जाने के रूप में रखता है। ऑडियो स्ट्रीमिंग के दौरान बदली गई सेटिंग वाक्य को प्रगति में समाप्त कर देती है और उसके बाद भेजे गए ऑडियो पर लागू होती है।
conversation.item.input_audio_transcription.delta घटनाओं में अब तक वाक्य होता है जबकि वक्ता अभी भी बात कर रहा होता है, और conversation.item.input_audio_transcription.completed प्रत्येक विराम पर तय वाक्य को वहन करता है।
आपके द्वारा स्ट्रीम किए गए ऑडियो के प्रति सेकंड बिल किया जाता है, जिसमें प्रति घंटे की दर से मौन शामिल होता है। सत्र समाप्त होने पर बिल किया जाता है।
EmpirioLabs पर Qwen Audio 3.0 ASR Stream का बिल उपयोग के अनुसार बनता है: प्रतिलेखन $0.648 प्रति घंटे का ऑडियो। इस पेज की लाइव दर तालिका हमेशा API की वास्तविक बिलिंग से मेल खाती है।
Qwen Audio 3.0 ASR Stream api.empiriolabs.ai पर WEBSOCKET /v1/realtime के ज़रिए मिलता है, मानक Bearer टोकन प्रमाणीकरण के साथ।
EmpirioLabs playground खोलें और Start session दबाकर इसे अपने ब्राउज़र में आज़माएँ। Qwen Audio 3.0 ASR Stream अनुरोध और प्रतिक्रिया के बजाय WebSocket पर चलता है, इसलिए इसे जोड़ने के लिए रियलटाइम वॉइस क्विकस्टार्ट से शुरू करें। अपनी EmpirioLabs API key और मॉडल id qwen-audio-3-0-asr-stream के साथ अपने सर्वर से कनेक्ट करें, फिर दोनों दिशाओं में ऑडियो स्ट्रीम करें।
EmpirioLabs खाता बनाएं, फिर डैशबोर्ड में API Keys में key जनरेट करें। बिलिंग pay-as-you-go क्रेडिट से होती है, इसलिए आप सिर्फ अपनी requests का भुगतान करते हैं।
हमारे मूल्य निर्धारण की जाँच करें या यदि आप चाहते हैं कि आपका अपना मॉडल हमारे स्टैक पर तैनात किया जाए, तो पहुंचें।
