음성 메시지와 음성 입력을 소켓을 통해 조율된 전사로, 화자가 멈추면 각 발화를 하나의 완전한 전사본으로 반환합니다.
Alibaba Cloud 전사 출시 2026년 9월 21일 Singapore 독점 엔드포인트 신규음성 메시지와 음성 입력을 소켓을 통해 조율된 전사로, 화자가 멈추면 각 발화를 하나의 완전한 전사본으로 반환합니다.
소켓을 통해 16 kHz pcm16 오디오를 스트리밍합니다. 화자가 일시정지할 때나 partial_results와 함께 말할 때도 각 발화는 원고로 반환됩니다. session.update에서 언어와 발화를 끝내는 일시정지를 설정하세요.
다른 이름 Qwen Audio ASR Message, Alibaba Cloud Qwen Audio 3.1 ASR Message
qwen-audio-3-1-asr-message/v1/realtimeqwen-audio-3.1-asr-messagealibaba/qwen-audio-3-1-asr-messageEmpirioLabs 카탈로그의 실시간 종량제 요금입니다. 사용한 만큼만 결제하며 월 최소 요금이 없습니다.
Qwen Audio 3.1 ASR Message 은(는) HTTP 엔드포인트가 아니라 wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-message 의 WebSocket에서 실시간 오디오 스트림을 전사합니다. 모델 ID qwen-audio-3-1-asr-message 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-3-1-asr-message",
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 3.1 ASR Message 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. |
| 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. |
| partial_results | boolean | false | - | 또한 각 발화가 말해지는 동안 전송하는데, 지금까지 발화를 전달한 conversation.item.input_audio_transcription.delta 사건들에 따라 진행되며, 이 발화는 안정되기 전까지 변할 수 있습니다. |
wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-message에서 WebSocket을 통한 음성 메시지 전사, 일반 Authorization Bearer 헤더로 인증됩니다.
input_audio_buffer.append와 함께 16kHz 모노 PCM16 오디오를 스트리밍하세요. 음성 활동 감지가 각 발화의 끝을 결정하므로 커밋을 보낼 필요가 없습니다.
session.created 직후, 첫 번째 오디오 바로 전에 다음 설정 중 하나로 session.update 전송할 수 있습니다: input_audio_transcription.language(또는 연결 URL의 language 쿼리 매개변수; 기본값 auto), 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 발음 그대로 유지합니다. 오디오 스트리밍 중 설정을 변경하면 진행 중인 발화가 종료되고 그 다음에 전송되는 오디오에 적용됩니다.
각 발화는 화자가 잠시 멈추면 하나의 conversation.item.input_audio_transcription.completed 이벤트로 전체적으로 전달됩니다. partial_results 발화가 발화되는 동안 이 발화를 받도록 설정하세요. 이 이벤트는 정착되기 전까지 변할 수 있는 conversation.item.input_audio_transcription.delta 있습니다. 실시간 자막의 경우, qwen-audio-3-1-asr-stream 항상 캡션을 전송합니다.
입력 및 출력 토큰은 1M당 가격이 책정되며, 완성된 각 발화는 모델이 보고하는 사용량에 따라 별도로 청구됩니다.
EmpirioLabs에서 Qwen Audio 3.1 ASR Message은(는) 종량제로 청구됩니다: 입력 $1.86 1M 오디오 입력 토큰당; 출력 $1.40 생성된 토큰 1M 단위. 이 페이지의 실시간 요금표는 항상 API 청구 금액과 일치합니다.
Qwen Audio 3.1 ASR Message은(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 3.1 ASR Message 은(는) 요청과 응답이 아니라 WebSocket으로 동작하므로 직접 연동할 때는 실시간 음성 퀵스타트 부터 시작하세요. EmpirioLabs API 키와 모델 ID qwen-audio-3-1-asr-message 로 서버에서 연결한 뒤 오디오를 양방향으로 스트리밍하면 됩니다.
EmpirioLabs 계정을 만든 다음 대시보드의 API Keys에서 키를 생성하세요. 요금은 종량제 크레딧이라 실행한 요청에 대해서만 결제합니다.
