Qwen Audio 3.0 Realtime Flash vs Qwen Audio 3.0 Realtime Plus

Qwen Audio 3.0 Realtime Flash vs Qwen Audio 3.0 Realtime Plus の概要

Qwen Audio 3.0 Realtime Flash と Qwen Audio 3.0 Realtime Plus はどちらも Alibaba Cloud のモデルで、オーディオ生成カテゴリに属し、EmpirioLabs API から利用できます。

主な違い

• どちらのモデルも 2026年8月10日 にリリースされました。
• どちらのモデルもコンテキスト長は 16K トークンです。
• 入力: 音声 (1Mのオーディオ入力トークンあたり)、入力 (1Mプロンプトトークンあたり) の料金は Qwen Audio 3.0 Realtime Flash のほうが低くなっています。

Qwen Audio 3.0 Realtime Flash vs Qwen Audio 3.0 Realtime Plus: 仕様

Qwen Audio 3.0 Realtime Flash vs Qwen Audio 3.0 Realtime Plus: API の料金

両モデルの EmpirioLabs カタログのライブ料金です。各料金表は常に API の請求額と一致します。

Qwen Audio 3.0 Realtime Flash vs Qwen Audio 3.0 Realtime Plus: API のパラメーター

EmpirioLabs で各モデルに記載されているリクエストパラメーターと、指定できる値または範囲です。ハイフンは、そのモデルに記載のないパラメーターを示します。

Qwen Audio 3.0 Realtime Flash vs Qwen Audio 3.0 Realtime Plus: 上限と注意点

Qwen Audio 3.0 Realtime Flash

接続

通常のAuthorization Bearerヘッダーで認証されたWebSocket上の全二重音声wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-realtime-flash。ソケット上で音声、指示、モーダリティ、ターン検出、配信などのsession.updateセッションを構成します。

音声送信

• マイクの音声をイベントとして付け加input_audio_buffer.append。
• 音声活動検出は話すのをやめたタイミングを判定するので、話し終わった後も約1秒間はストリーミングを続けてください。

配達

speed(0.5から2)は話す速度、enable_speech_emotion表現的な表現、そしてモデルが読み取った過去の交換数(1から50)をmax_history_turnsします。指示書の中で返事の言語を尋ねてください。

声

このモデルの声は独立したセットです。声を他のモデルから持ち歩くのではなく、ボイスリストから1つ選ぶか、設定せずにデフォルトで提供してもいいです。

ウェブ検索

ウェブ検索はデフォルトでオフです。enable_searchでオンにしてください。関数呼び出しと同じセッションでは有効にできず、検索結果は会話に追加され、入力トークンとしてカウントされます。

請求

音声トークンとテキストトークンは両方向に別々に価格設定されます。音声返信は音声出力トークンのみで請求され、音声のない返信にはテキスト出力レートが適用されます。完了した各ターンは、モデルが報告する使用量から個別に請求されます。

Qwen Audio 3.0 Realtime Plus

接続

通常のAuthorization Bearerヘッダーで認証されたWebSocket上の全二重音声wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-realtime-plus。ソケット上で音声、指示、モーダリティ、ターン検出、配信などのsession.updateセッションを構成します。

音声送信

• マイクの音声をイベントとして付け加input_audio_buffer.append。
• 音声活動検出は話すのをやめたタイミングを判定するので、話し終わった後も約1秒間はストリーミングを続けてください。

配達

speed(0.5から2)は話す速度、enable_speech_emotion表現的な表現、そしてモデルが読み取った過去の交換数(1から50)をmax_history_turnsします。指示書の中で返事の言語を尋ねてください。

声

このモデルの声は独立したセットです。声を他のモデルから持ち歩くのではなく、ボイスリストから1つ選ぶか、設定せずにデフォルトで提供してもいいです。

ウェブ検索

ウェブ検索はデフォルトでオフです。enable_searchでオンにしてください。関数呼び出しと同じセッションでは有効にできず、検索結果は会話に追加され、入力トークンとしてカウントされます。

請求

音声トークンとテキストトークンは両方向に別々に価格設定されます。音声返信は音声出力トークンのみで請求され、音声のない返信にはテキスト出力レートが適用されます。完了した各ターンは、モデルが報告する使用量から個別に請求されます。

Qwen Audio 3.0 Realtime Flash と Qwen Audio 3.0 Realtime Plus の呼び出し方

Qwen Audio 3.0 Realtime Flash は HTTP エンドポイントではなく、wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-realtime-flash の WebSocket 上でライブ会話を行います。モデル ID qwen-audio-3-0-realtime-flash で接続し、ハンドシェイク時に EmpirioLabs の API キーを Authorization: Bearer ヘッダーとして送信してください。音声は base64 の 16 ビット PCM として双方向に流れます。 ブラウザは WebSocket にヘッダーを設定できないため、この接続はサーバーから開き、音声は自前のソケットでブラウザへ中継してください。 どちらのモデルも同じエンドポイントで呼び出します。model を qwen-audio-3-0-realtime-flash または qwen-audio-3-0-realtime-plus に設定してください。 EmpirioLabs ダッシュボードで API キーを取得してください。

import asyncio, json, os, websockets

async def main():
    async with websockets.connect(
        "wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-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())

Qwen Audio 3.0 Realtime Flash vs Qwen Audio 3.0 Realtime Plus: テストとガイド

両方のモデルを扱ったプロンプトテストと比較実験です。

ガイド Qwen Audio 3.1 リアルタイムフラッシュ vs 3.1 リアルタイムプラス vs 3.0 リアルタイムプラスとフラッシュ:一つの音声質問 私たちは4つのQwen AudioリアルタイムモデルにWebSocketを通じて同じ音声質問を1回ずつ送りました。すべての返答を聞き、最初の音声までの時間とターンの代償を聞いてください。

Qwen Audio 3.0 Realtime Flash vs Qwen Audio 3.0 Realtime Plus: よくある質問

Qwen Audio 3.0 Realtime Flash と Qwen Audio 3.0 Realtime Plus の違いは何ですか?

どちらのモデルも 2026年8月10日 にリリースされました。 どちらのモデルもコンテキスト長は 16K トークンです。 入力: 音声 (1Mのオーディオ入力トークンあたり)、入力 (1Mプロンプトトークンあたり) の料金は Qwen Audio 3.0 Realtime Flash のほうが低くなっています。 このページの仕様、料金表、パラメーターは EmpirioLabs のライブカタログに基づいています。

Qwen Audio 3.0 Realtime Flash と Qwen Audio 3.0 Realtime Plus ではどちらの料金が低いですか?

入力: 音声 (1Mのオーディオ入力トークンあたり)、入力 (1Mプロンプトトークンあたり) の料金は Qwen Audio 3.0 Realtime Flash のほうが低くなっています。 両方のライブ料金表はこのページにあり、常に API の請求額と一致します。

統合を作り直さずに Qwen Audio 3.0 Realtime Flash と Qwen Audio 3.0 Realtime Plus を切り替えられますか?

はい。どちらのモデルも同じ EmpirioLabs API キーで WEBSOCKET /v1/realtime を使うため、ほとんどの連携は model の値を変えるだけで切り替えられます。モデル固有のパラメーターに依存している場合は、先にこのページのパラメーター表を確認してください。

統合する前にブラウザで Qwen Audio 3.0 Realtime Flash と Qwen Audio 3.0 Realtime Plus を試せますか?

はい。EmpirioLabs プレイグラウンド で各モデルを開き、Start session を押すとブラウザーで試せます。