Qwen Audio 3.0 Realtime Flash vs Qwen Audio 3.0 Realtime Plus

Qwen Audio 3.0 Realtime Flash vs Qwen Audio 3.0 Realtime Plus em resumo

Qwen Audio 3.0 Realtime Flash e Qwen Audio 3.0 Realtime Plus são modelos de Alibaba Cloud na categoria Geração de Áudio, disponíveis pela API da EmpirioLabs.

Principais diferenças

• Os dois modelos foram lançados em 10 de ago. de 2026.
• Os dois modelos têm uma janela de contexto de 16K tokens.
• Qwen Audio 3.0 Realtime Flash tem a tarifa mais baixa para Entrada: áudio (por 1M de tokens de entrada de áudio) e Entrada (por 1M de tokens de prompt).

Qwen Audio 3.0 Realtime Flash vs Qwen Audio 3.0 Realtime Plus: especificações

Qwen Audio 3.0 Realtime Flash vs Qwen Audio 3.0 Realtime Plus: preços da API

Tarifas ao vivo do catálogo da EmpirioLabs para os dois modelos. Cada tabela de tarifas sempre corresponde ao que a API cobra.

Qwen Audio 3.0 Realtime Flash vs Qwen Audio 3.0 Realtime Plus: parâmetros da API

Parâmetros de requisição que cada modelo indica na EmpirioLabs, com os valores permitidos ou o intervalo quando houver. Um traço marca um parâmetro que o modelo não indica.

Qwen Audio 3.0 Realtime Flash vs Qwen Audio 3.0 Realtime Plus: limites e notas

Qwen Audio 3.0 Realtime Flash

Conexão

Voz full-duplex sobre um WebSocket em wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-realtime-flash, autenticada com o cabeçalho comum do Portador de Autorização. Configure a sessão com session.update sobre o soquete: voz, instruções, modalidades, detecção e entrega de turnos.

Enviando áudio

• Adicione o áudio do microfone como input_audio_buffer.append eventos.
• A detecção de atividade de voz decide quando você parou de falar, então continue transmitindo por cerca de um segundo após o fim da fala.

Entrega

speed (0,5 a 2) define a taxa de fala, enable_speech_emotion a expressão e max_history_turns (1 a 50) quantas trocas anteriores o modelo lê. Peça a linguagem da resposta em suas instruções.

Vozes

As vozes deste modelo são um conjunto próprio. Escolha uma da lista de vozes em vez de carregar uma voz de outro modelo, ou deixe-a sem definir e o padrão será fornecido para você.

Pesquisa Web

A busca na web está desativada por padrão. Ative-a com enable_search. Ela não pode ser ativada na mesma sessão que a chamada de funções, e os resultados da busca são adicionados à conversa e contam como tokens de entrada.

Faturamento

Tokens de áudio e texto são precificados separadamente em ambas as direções. Uma resposta falada é cobrada apenas pelos tokens de saída de áudio, e a taxa de saída de texto aplica-se a respostas sem áudio. Cada turno concluído é faturado separadamente a partir do uso que o modelo reporta.

Qwen Audio 3.0 Realtime Plus

Conexão

Voz full-duplex sobre um WebSocket em wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-realtime-plus, autenticada com o cabeçalho comum do Portador de Autorização. Configure a sessão com session.update sobre o soquete: voz, instruções, modalidades, detecção e entrega de turnos.

Enviando áudio

• Adicione o áudio do microfone como input_audio_buffer.append eventos.
• A detecção de atividade de voz decide quando você parou de falar, então continue transmitindo por cerca de um segundo após o fim da fala.

Entrega

speed (0,5 a 2) define a taxa de fala, enable_speech_emotion a expressão e max_history_turns (1 a 50) quantas trocas anteriores o modelo lê. Peça a linguagem da resposta em suas instruções.

Vozes

As vozes deste modelo são um conjunto próprio. Escolha uma da lista de vozes em vez de carregar uma voz de outro modelo, ou deixe-a sem definir e o padrão será fornecido para você.

Pesquisa Web

A busca na web está desativada por padrão. Ative-a com enable_search. Ela não pode ser ativada na mesma sessão que a chamada de funções, e os resultados da busca são adicionados à conversa e contam como tokens de entrada.

Faturamento

Tokens de áudio e texto são precificados separadamente em ambas as direções. Uma resposta falada é cobrada apenas pelos tokens de saída de áudio, e a taxa de saída de texto aplica-se a respostas sem áudio. Cada turno concluído é faturado separadamente a partir do uso que o modelo reporta.

Como chamar Qwen Audio 3.0 Realtime Flash e Qwen Audio 3.0 Realtime Plus

Qwen Audio 3.0 Realtime Flash mantém uma conversa ao vivo por um WebSocket em wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-realtime-flash, e não pelos endpoints HTTP. Conecte-se com o id de modelo qwen-audio-3-0-realtime-flash e envie sua chave de API da EmpirioLabs como cabeçalho Authorization: Bearer no handshake. O áudio trafega nos dois sentidos como PCM de 16 bits em base64. Um navegador não consegue definir cabeçalhos em um WebSocket, então abra esta conexão a partir do seu servidor e repasse o áudio ao navegador pelo seu próprio socket. Os dois modelos são chamados pelo mesmo endpoint. Defina model como qwen-audio-3-0-realtime-flash ou qwen-audio-3-0-realtime-plus. Obtenha uma chave de API no painel EmpirioLabs.

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())

Qwen Audio 3.0 Realtime Flash vs Qwen Audio 3.0 Realtime Plus: testes e guias

Testes de prompts e comparações que cobrem os dois modelos.

Guias Qwen Audio 3.1 Realtime Flash vs 3.1 Realtime Plus vs 3.0 Realtime Plus e Flash: uma pergunta falada Fizemos a mesma pergunta falada para os quatro modelos Qwen Audio em tempo real, em um WebSocket, uma vez cada. Ouça...

Qwen Audio 3.0 Realtime Flash vs Qwen Audio 3.0 Realtime Plus: perguntas frequentes

Qual é a diferença entre Qwen Audio 3.0 Realtime Flash e Qwen Audio 3.0 Realtime Plus?

Os dois modelos foram lançados em 10 de ago. de 2026. Os dois modelos têm uma janela de contexto de 16K tokens. Qwen Audio 3.0 Realtime Flash tem a tarifa mais baixa para Entrada: áudio (por 1M de tokens de entrada de áudio) e Entrada (por 1M de tokens de prompt). As especificações, as tabelas de tarifas e os parâmetros desta página vêm do catálogo ao vivo da EmpirioLabs.

Qual tem a tarifa mais baixa, Qwen Audio 3.0 Realtime Flash ou Qwen Audio 3.0 Realtime Plus?

Qwen Audio 3.0 Realtime Flash tem a tarifa mais baixa para Entrada: áudio (por 1M de tokens de entrada de áudio) e Entrada (por 1M de tokens de prompt). As duas tabelas de tarifas ao vivo estão nesta página e sempre correspondem ao que a API cobra.

Posso alternar entre Qwen Audio 3.0 Realtime Flash e Qwen Audio 3.0 Realtime Plus sem reconstruir minha integração?

Sim. Os dois modelos usam WEBSOCKET /v1/realtime com a mesma chave de API da EmpirioLabs, então a maioria das integrações alterna só mudando o valor model. Confira antes a tabela de parâmetros desta página se você depende de um parâmetro específico de um modelo.

Posso testar Qwen Audio 3.0 Realtime Flash e Qwen Audio 3.0 Realtime Plus no navegador antes de integrar?

Sim. Abra cada modelo no playground da EmpirioLabs e clique em Start session para testar no navegador.