소켓을 통한 실시간 전사, 화자가 말하는 동안 부분적인 단어를 스트리밍하고, 매 정지마다 안정된 문장을 스트리밍하며, 오디오 시간당 요금이 책정됩니다.
Alibaba Cloud전사출시 2026년 7월 30일Singapore독점 엔드포인트신규소켓을 통한 실시간 전사, 화자가 말하는 동안 부분적인 단어를 스트리밍하고, 매 정지마다 안정된 문장을 스트리밍하며, 오디오 시간당 요금이 책정됩니다.
소켓을 통해 16 kHz pcm16 오디오를 스트리밍하세요. 부분적인 결과는 화자가 말하는 동안 도착합니다. session.update에서 언어, 프롬프트, 문장 끝을 위한 일시정지를 설정하세요.
다른 이름 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 카탈로그의 실시간 종량제 요금입니다. 사용한 만큼만 결제하며 월 최소 요금이 없습니다.
Qwen Audio 3.0 ASR Stream 은(는) HTTP 엔드포인트가 아니라 wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-asr-stream 의 WebSocket에서 실시간 오디오 스트림을 전사합니다. 모델 ID qwen-audio-3-0-asr-stream 로 연결하고 핸드셰이크 시 EmpirioLabs API 키를 Authorization: Bearer 헤더로 보내세요. base64 16비트 PCM 오디오를 추가하면 말하는 도중에도 전사 이벤트를 받을 수 있습니다. 브라우저는 WebSocket에 헤더를 설정할 수 없으므로 이 연결은 서버에서 열고 오디오는 자체 소켓으로 브라우저에 중계하세요. EmpirioLabs 대시보드에서 API 키를 발급받으세요.
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())EmpirioLabs에서 Qwen Audio 3.0 ASR Stream API가 지원하는 요청 파라미터입니다. 필드를 생략하면 기본값이 적용됩니다.
| 파라미터 | 유형 | 기본값 | 범위 / 값 | 설명 |
|---|---|---|---|---|
| input_audio_format | enum | pcm16 | pcm16 | 입력 버퍼에 추가하는 오디오 인코딩: base64 16비트 PCM, 모노, 16 kHz. |
| language | enum | auto | auto, zh, en, ja, ko, vi, th, id, ms, tl, hi, ar, fr, de, es,... | 음성 언어 또는 오디오에서 자동으로 감지할 수 있습니다. 연결 URL의 언어 쿼리 매개변수나 session.update에서 input_audio_transcription.language 설정하세요. |
| prompt | string | - | - | 인식을 안내하는 텍스트, 최대 400자 단위로: 화자가 사용하는 이름과 용어, 또는 이 오디오 직전에 말하는 텍스트. 대본에 나타나야 할 단어를 정확히 작성하세요. input_audio_transcription.prompt으로도 인정됩니다. |
| silence_duration_ms | integer | 800 | 200 ~ 6000 | 문장을 끝내는 일시정지는 밀리초 단위로, 200에서 6000까지 이어집니다. 짧은 일시정은 각 문장을 더 빨리 정착시키고; 긴 일시정지는 문장 안에 일시정지를 유지합니다. 또한 turn_detection.silence_duration_ms로도 받아들여집니다. |
| threshold | number | - | 0 ~ 1 | 음성 전사 전에 얼마나 명확해야 하는지, 0.0에서 1.0까지. 높은 값은 배경 잡음을 무시하고 조용한 음성을 놓칠 수 있습니다. 생략 시 모델 자체의 기본값이 적용됩니다. turn_detection.threshold로도 받아들여집니다. |
| noise_reduction | enum | far_field | far_field, near_field | 음성 감지가 맞춘 마이크: 헤드셋이나 휴대폰을 가까이 들고 사용하는 near_field, far_field 노트북이나 룸 마이크용입니다. input_audio_noise_reduction.type으로도 인정됩니다. |
| keep_dialect | boolean | false | - | 중국어 방언 단어를 그대로 유지합니다. 사용 시 방언 말투는 표준 만다린어로 표기됩니다. |
WebSocket을 통한 실시간 전사는 wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-asr-stream에서 일반 Authorization Bearer 헤더로 인증됩니다.
16kHz 모노 pcm16 오디오를 input_audio_buffer.append으로 스트리밍하세요. 음성 활동 감지가 각 문장의 끝을 결정하므로 커밋을 보낼 필요가 없습니다.
session.created 직후, 첫 번째 오디오 바로 전에 다음 설정 중 하나로 session.update 전송하세요: input_audio_transcription.language(또는 연결 URL의 language 쿼리 매개변수; 기본 autoinput_audio_transcription.prompt), 화자가 사용하는 이름과 용어(최대 400자), turn_detection.silence_duration_ms(200에서 6000, 기본 800), turn_detection.threshold(0.0에서 1.0), input_audio_noise_reduction(near_field 또는 far_field). keep_dialect 중국어 방언 단어는 말하는 그대로 유지합니다. 오디오 스트리밍 중 설정을 변경하면 진행 중인 문장이 종료되어 그 다음에 보내지는 오디오에 적용됩니다.
conversation.item.input_audio_transcription.delta 사건들은 화자가 계속 말하는 동안 문장을 이끌고, conversation.item.input_audio_transcription.completed 매번 정식 문장을 이어간다.
스트리밍하는 오디오(무음 포함)의 초당 요금제로, 표시된 시간당 요금으로 청구됩니다. 세션이 끝날 때 요금이 청구됩니다.
EmpirioLabs에서 Qwen Audio 3.0 ASR Stream은(는) 종량제로 청구됩니다: 전사 $0.648 오디오 시간당. 이 페이지의 실시간 요금표는 항상 API 청구 금액과 일치합니다.
Qwen Audio 3.0 ASR Stream은(는) api.empiriolabs.ai의 WEBSOCKET /v1/realtime를 통해 제공되며 표준 Bearer 토큰 인증을 사용합니다.
EmpirioLabs 플레이그라운드 를 열고 Start session 을 누르면 브라우저에서 바로 사용해 볼 수 있습니다. Qwen Audio 3.0 ASR Stream 은(는) 요청과 응답이 아니라 WebSocket으로 동작하므로 직접 연동할 때는 실시간 음성 퀵스타트 부터 시작하세요. EmpirioLabs API 키와 모델 ID qwen-audio-3-0-asr-stream 로 서버에서 연결한 뒤 오디오를 양방향으로 스트리밍하면 됩니다.
EmpirioLabs 계정을 만든 다음 대시보드의 API Keys에서 키를 생성하세요. 요금은 종량제 크레딧이라 실행한 요청에 대해서만 결제합니다.
