Qwen3.8 LiveTranslate Flash Realtime vs Qwen3.5 Omni Plus Realtime

Qwen3.8 LiveTranslate Flash Realtime vs Qwen3.5 Omni Plus Realtime の概要

Qwen3.8 LiveTranslate Flash Realtime と Qwen3.5 Omni Plus Realtime 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

• コンテキスト長は Qwen3.5 Omni Plus Realtime のほうが大きく、192K トークンです (Qwen3.8 LiveTranslate Flash Realtime は 48K)。
• 1 回の応答で Qwen3.5 Omni Plus Realtime は最大 65,536 出力トークン、Qwen3.8 LiveTranslate Flash Realtime は最大 4,096 を返します。
• Qwen3.5 Omni Plus Realtime だけが対応する入力の種類: 画像, 動画。
• Qwen3.8 LiveTranslate Flash Realtime だけに記載されている機能: voice cloning。
• Qwen3.5 Omni Plus Realtime だけに記載されている機能: video, function calling。
• 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 Qwen3.8 LiveTranslate Flash Realtime のほうが低くなっています。

Qwen3.8 LiveTranslate Flash Realtime vs Qwen3.5 Omni Plus Realtime: 仕様

Qwen3.8 LiveTranslate Flash Realtime vs Qwen3.5 Omni Plus Realtime: 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。

Qwen3.8 LiveTranslate Flash Realtime vs Qwen3.5 Omni Plus Realtime: 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。

Qwen3.8 LiveTranslate Flash Realtime vs Qwen3.5 Omni Plus Realtime: 上限と注意点

Qwen3.8 LiveTranslate Flash Realtime

wss://api.empiriolabs.ai/v1/realtime?model=qwen3-8-livetranslate-flash-realtime のWebSocketを経由した音声翻訳を、通常のAuthorization Bearerヘッダーで認証します。音声を送信する前にsession.updateでターゲット言語を設定してください。モダリティを["text"]に設定すると、さらに31のターゲット言語がテキストのみに翻訳されます。用語集を追加して特定の用語の翻訳方法を設定できます。このモデルが受け入れる声を使うか、デフォルトのTinaのままにしてください。話者の声で翻訳を話すには、voice_cloneを一度(セッション開始時に聞いた声)または常に(話している人の声で、各返信前に一致させる)に設定してください。クローン作成には料金がかかりません。音声トークンとテキストトークンは別々の価格で設定され、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。

Qwen3.5 Omni Plus Realtime

wss://api.empiriolabs.ai/v1/realtime?model=qwen3-5-omni-plus-realtime のWebSocket上で、通常のAuthorization Bearerヘッダーで認証された全二重音声を接続できます。セッションをソケット上で設定:voice、命令、モダリティ、ターン検出、サンプリング、応答長制限max_response_output_tokens。最初の音声の後にカメラやビデオフレームをJPEG画像としてinput_image_buffer.appendで送信します。WAVや他のサンプルレートのベータ版プロトコルでは、最初の音声の前にsession.audio.input.formatとsession.audio.output.formatを設定します。このモデルの音声は以前のOmni世代とは異なり、受け入れられるものを設定するかデフォルトを残すかを選びます。未知の音声はエラーを返す代わりにセッションを終了します。テキストトークンとオーディオトークンは別々に価格設定され、音声返信は音声出力トークンのみで請求され、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。

Qwen3.8 LiveTranslate Flash Realtime と Qwen3.5 Omni Plus Realtime の呼び出し方

モデルごとに専用のリクエストがあります。 EmpirioLabs ダッシュボードで API キーを取得してください。

Qwen3.8 LiveTranslate Flash Realtime

Qwen3.8 LiveTranslate Flash Realtime は HTTP エンドポイントではなく、wss://api.empiriolabs.ai/v1/realtime?model=qwen3-8-livetranslate-flash-realtime の WebSocket 上で同時通訳します。モデル ID qwen3-8-livetranslate-flash-realtime 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。音声を送る前に session.update で翻訳先の言語を設定します。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。

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

Qwen3.5 Omni Plus Realtime は HTTP エンドポイントではなく、wss://api.empiriolabs.ai/v1/realtime?model=qwen3-5-omni-plus-realtime の WebSocket 上でライブ会話を行います。モデル ID qwen3-5-omni-plus-realtime 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。

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())

Qwen3.8 LiveTranslate Flash Realtime vs Qwen3.5 Omni Plus Realtime: よくある質問

Qwen3.8 LiveTranslate Flash Realtime と Qwen3.5 Omni Plus Realtime の違いは何ですか?

コンテキスト長は Qwen3.5 Omni Plus Realtime のほうが大きく、192K トークンです (Qwen3.8 LiveTranslate Flash Realtime は 48K)。 1 回の応答で Qwen3.5 Omni Plus Realtime は最大 65,536 出力トークン、Qwen3.8 LiveTranslate Flash Realtime は最大 4,096 を返します。 Qwen3.5 Omni Plus Realtime だけが対応する入力の種類: 画像, 動画。 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。

Qwen3.8 LiveTranslate Flash Realtime と Qwen3.5 Omni Plus Realtime 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 Qwen3.8 LiveTranslate Flash Realtime 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。

統合する前にブラウザで Qwen3.8 LiveTranslate Flash Realtime と Qwen3.5 Omni Plus Realtime 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。