빠른 응답을 위해 조정된 듀플렉스 음성 대화, 19개의 음성, 네이티브 웹 검색, 툴 호출, 그리고 별도의 텍스트 및 오디오 토큰 전송률을 지원합니다.
Alibaba Cloud 오디오 생성 16K 컨텍스트 출시 2026년 8월 10일 Singapore 독점 엔드포인트 신규빠른 응답을 위해 조정된 듀플렉스 음성 대화, 19개의 음성, 네이티브 웹 검색, 툴 호출, 그리고 별도의 텍스트 및 오디오 토큰 전송률을 지원합니다.
세션은 요청 매개변수가 아닌 소켓을 통한 세션 업데이트(session.update events)로 구성됩니다. 웹 검색은 기본적으로 꺼져 있으며 함수 호출과 결합할 수 없습니다. 텍스트 토큰과 오디오 토큰은 별도의 요금으로 청구되며, 음성 응답은 오디오 토큰만을 청구합니다.
다른 이름 Qwen Audio Realtime Flash, Alibaba Cloud Qwen Audio 3.0 Realtime Flash
qwen-audio-3-0-realtime-flash/v1/realtimeqwen-audio-3.0-realtime-flashalibaba/qwen-audio-3-0-realtime-flashEmpirioLabs 카탈로그의 실시간 종량제 요금입니다. 사용한 만큼만 결제하며 월 최소 요금이 없습니다.
Qwen Audio 3.0 Realtime Flash 은(는) HTTP 엔드포인트가 아니라 wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-realtime-flash 의 WebSocket에서 실시간 대화를 진행합니다. 모델 ID qwen-audio-3-0-realtime-flash 로 연결하고 핸드셰이크 시 EmpirioLabs API 키를 Authorization: Bearer 헤더로 보내세요. 오디오는 base64 16비트 PCM으로 양방향 전송됩니다. 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-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())EmpirioLabs에서 Qwen Audio 3.0 Realtime Flash API가 지원하는 요청 파라미터입니다. 필드를 생략하면 기본값이 적용됩니다.
| 파라미터 | 유형 | 기본값 | 범위 / 값 | 설명 |
|---|---|---|---|---|
| voice | enum | longanqian | longanqian, longanlingxin, longanlufeng, longanlingxi, longan... | 세션용 음성 재생. 모델이 오디오를 생성하기 전에 session.update로 설정하세요. 이 음성들은 이 모델에만 특화된 것입니다. |
| instructions | string | - | - | 모델이 대화 중에 어떻게 행동하고 말해야 하는지에 대한 시스템 가이드라인. |
| speed | number | - | 0.5 ~ 2 | 응답의 말하기 속도는 0.5에서 2까지입니다. 낮은 값은 말을 느리게 하고, 높은 값은 속도를 높입니다. 또한 speech_rate로 받아들여집니다. 생략할 경우, 모델 자체의 기본값이 적용됩니다. |
| enable_speech_emotion | boolean | true | - | 말로 대답할 때 더 뚜렷한 감정이 담겨 있습니다. 더 고른 전달을 위해 꺼버리세요. |
| max_history_turns | integer | - | 1 ~ 50 | 모델이 각 답변에 대해 읽은 이전 교환 횟수는 1에서 50까지 다양합니다. 적은 교환이 사용할수록 입력 토큰이 적습니다. 생략 시 모델 자체의 기본값이 적용됩니다. |
| enable_search | boolean | false | - | 실시간 정보를 웹에서 검색하세요. 함수 호출과 같은 세션에서 사용할 수 없습니다. 검색 결과는 대화에 추가되어 입력 토큰으로 계산됩니다. |
| modalities | string | ["text","audio"] | - | 모델이 턴 동안 반환하는 출력 유형은 무엇인가요? 텍스트 전용 답변을 위해 오디오를 드롭하세요. |
| input_audio_format | enum | pcm16 | pcm16 | 입력 버퍼에 추가하는 오디오 인코딩: base64 16비트 PCM 16kHz. |
| output_audio_format | enum | pcm24 | pcm24 | 모델이 스트리밍하는 오디오 인코딩: 24kHz의 16비트 PCM. |
| turn_detection | string | {"type":"server_vad"} | - | 음성 활동 감지: 말을 마쳤을 때 모델이 대답해야 한다고 결정합니다. 기본적으로 server_vad 켜져 있어 잠시 멈춘 후 턴이 종료됩니다. smart_turn 당신이 말한 내용을 가중치로 측정하여, 음 같은 채우기 소리가 턴을 끝내거나 대답을 방해하지 않으며, smart_turn_v2... |
wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-realtime-flash WebSocket을 통한 전이중 음성, 일반 Authorization Bearer 헤더로 인증됩니다. 소켓을 통해 음성, 명령어, 모달리티, 턴 감지 및 전달 등 session.update 세션을 구성합니다.
speed(0.5에서 2)는 말하는 속도를 설정하고, 표현력 전달 enable_speech_emotion을 max_history_turns하며, 모델이 읽는 이전 교환 횟수를 합니다. 지시에서 답변의 언어를 요청하세요.
이 모델의 음성은 별도의 세트입니다. 다른 모델과 목소리를 들고 다니는 대신 음성 목록에서 하나를 선택하거나, 설정하지 않아도 기본값이 제공됩니다.
웹 검색은 기본적으로 꺼져 있습니다. enable_search로 켜세요. 함수 호출과 같은 세션에서 활성화할 수 없으며, 검색 결과가 대화에 추가되어 입력 토큰으로 계산됩니다.
오디오 토큰과 텍스트 토큰은 양방향 모두 별도로 가격이 책정됩니다. 음성 응답은 오디오 출력 토큰에 대해서만 요금이 청구되며, 텍스트 출력 비율은 오디오가 없는 응답에 적용됩니다. 완료된 각 턴은 모델이 보고하는 사용량에 따라 별도로 청구됩니다.
EmpirioLabs에서 Qwen Audio 3.0 Realtime Flash은(는) 종량제로 청구됩니다: 입력: 오디오 $1.86 1M 오디오 입력 토큰당; 입력 $0.46 1M 프롬프트 토큰당; 출력 $1.40 생성된 토큰 1M당 텍스트 전용 답변; 출력: 오디오 $3.74 생성된 1M 오디오 토큰당; 웹 검색 $0.00 호출 시 통화당. 이 페이지의 실시간 요금표는 항상 API 청구 금액과 일치합니다.
Qwen Audio 3.0 Realtime Flash은(는) 16K 토큰 컨텍스트 윈도우를 지원합니다 (응답당 최대 8,192 출력 토큰).
Qwen Audio 3.0 Realtime Flash은(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 Realtime Flash 은(는) 요청과 응답이 아니라 WebSocket으로 동작하므로 직접 연동할 때는 실시간 음성 퀵스타트 부터 시작하세요. EmpirioLabs API 키와 모델 ID qwen-audio-3-0-realtime-flash 로 서버에서 연결한 뒤 오디오를 양방향으로 스트리밍하면 됩니다.
EmpirioLabs 계정을 만든 다음 대시보드의 API Keys에서 키를 생성하세요. 요금은 종량제 크레딧이라 실행한 요청에 대해서만 결제합니다.
