홈 블로그

Qwen Audio 3.1 실시간 플래시 API 사용 방법

Qwen Audio 3.1 Realtime Flash API 블로그 커버

Nov 3, 2026

EmpirioLabs AI

고지: 이 글은 AI의 도움을 받아 작성되었으며 EmpirioLabs AI가 검토했습니다.

Qwen Audio 3.1 실시간 플래시는 EmpirioLabs에서 이용 가능합니다. 알리바바의 Qwen Audio 3.1 음성 대화 모델 중 가장 빠른 단계로, WebSocket을 열어 마이크 오디오를 스트리밍하면 음성 응답이 다시 스트리밍됩니다. 88개의 음성, 말하는 언어와 응답하는 언어에 대한 별도의 설정, 문장 끝과 일시정지를 알려주는 턴 감지, 그리고 자신의 함수 호출과 같은 세션에서 실행되는 네이티브 웹 검색이 있습니다.

그것을 시도 Playground: 세션 시작을 클릭하고 대화하세요.

출시 영상을 시청하세요

영화 속 모든 음성은 소켓을 통해 진짜 Qwen Audio 3.1 실시간 플래시 응답으로, 각각 타이핑된 질문에 답합니다: 루카는 영어, 유샤오윈은 만다린, 에밀리는 일본어로 응답합니다. 사진은 Qwen Image 2.1 출력이며, 점수는 ACE-Step on EmpirioLabs에서 생성되었습니다. 유튜브에서 시청하세요·.

연결

실시간 엔드포인트를 열고, 모델을 쿼리 스트링에 넣고 API 키를 핸드셰이크에 입력하세요:

wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-realtime-flash 권한: 베어러 YOUR_EMPIRIOLABS_API_KEY

세션을 다음과 같이 구성하세요 세션.업데이트, 마이크 오디오를 다음과 같이 추가하세요 input_audio_buffer.append, 그리고 답변을 읽어보세요 응답.오디오.델타, 그 전사본은 response.audio_transcript.델타. 오디오는 16비트 PCM으로 전송되며, 16kHz는 올라가고 24kHz는 돌아옵니다.

{"type": "session.update", "session": { "voice": "xunanchuan_v3.1", "instructions": "당신은 간결한 여행 보조원입니다. 영어로 답변하세요.", "input_language": "en", "output_language": "en", "turn_detection": {"type": "smart_turn_v2"}

목소리, 언어, 그리고 전달 방식

  • 목소리들. 88명의 성부가 목소리 API 참조와 Playground 선택기 내 매개변수 중 하나가 있습니다. 떠나기 목소리 unset과 longanqian_v3.1 말한다.
  • 언어. input_language 당신이 사용하는 언어이며, 당신의 전사본이 작성된 언어입니다. output_language 답장이 읽히는 언어. 각각은 오토 또는 14개의 코드 중 하나일 수도 있습니다: Z·, en·, 네·, 코·, VI·, th·, ID·, 아르·, FR·, de·, es·, PT·, 루, 그리고 그것이·.
  • 배달. 속도 (0.5에서 2까지)는 말하는 속도를 설정합니다. enable_speech_emotion 표현적 전달, 그리고 max_history_turns (1부터 50까지) 모델이 읽은 이전 교환 횟수.

턴 감지

server_vad, 기본값은 가 일시정지된 후 턴을 종료합니다. silence_duration_ms·. smart_turn 또한 "음" 같은 채우기 소리가 턴을 끝내거나 대답을 방해하지 않도록 판단합니다. smart_turn_v2 또한 방관자나 부드적인 말에 덜 자주 답할 수 있습니다. 세트 turn_detection 널을 하면 직접 턴을 진행해야 합니다.

자신의 기능을 이용한 웹 검색

웹 검색은 기본적으로 꺼져 있습니다. 다음으로 켜세요. enable_search, 그리고 함수들을 선언한다 도구 같은 세션에서: 모델은 한 번의 대화 중에 무언가를 찾아 당신의 함수를 호출할 수 있습니다.

{"type": "session.update", "session": { "enable_search": true, "tools": [{ "type": "function", "name": "book_table", "description": "식당 테이블 예약", "parameters": {"type": "object", "properties": { "restaurant": {"type": "string"}, "time": {"type": "string"}}, "required": ["restaurant", "time"]} }}] }}

운용 노트

  • 첫 턴 전에 목소리를 선택하세요. 세션이 오디오 처리를 시작하면, 세션.업데이트 다른 목소리로 거부되면 오류 이벤트. 목소리를 바꾸기 위해 새 세션을 엽니다.
  • 출력 언어는 번역되지 않습니다. 답변이 읽히는 언어를 설정합니다. 그 언어를 요청하세요 지침 나도.
  • 연설이 끝난 후에도 잠시 스트리밍을 계속하세요. 턴 감지는 스피커가 멈추는 소리를 들으면 턴이 끝나므로, 마지막 단어에서 오디오를 끊은 클라이언트는 응답을 받지 못합니다. 그 후 약 1초 정도 무음으로 보내세요.

제품정보

완료된 각 턴은 모델이 보고하는 사용량에 따라 청구되며, 양방향 오디오 및 텍스트 토큰에 대해 별도의 요금이 적용되어 텍스트 전용 답변이 됩니다. 언어: 영어 드롭됨 치료 방식, 음성보다 비용이 저렴합니다. 검색 결과는 대화에 추가되어 입력 토큰으로 인정됩니다. 실시간 플래시는 훨씬 낮은 가격으로 책정되어 있습니다 Qwen 오디오 3.1 리얼타임 플러스. 현재 요금은 모델 페이지 그리고 가격표·.

건설 시작

Qwen Audio 3.1 실시간 플래시를 사용해 보세요 Playground, 읽기 API 문서, 그리고 전체 이벤트 테이블을 다음 에서 찾으세요. 실시간 음성 API 가이드.

더 나은 엔드포인트를 사용할 준비가 되셨나요?

저희 모델을 탐색하시거나, 비즈니스 문의, 맞춤형 배포 또는 기타 어떤 사항이든 문의해 주세요.