Qwen Audio 3.1 ASR Message vs Qwen Audio 3.1 ASR Stream

Qwen Audio 3.1 ASR Message vs Qwen Audio 3.1 ASR Stream em resumo

Qwen Audio 3.1 ASR Message e Qwen Audio 3.1 ASR Stream são modelos de Alibaba Cloud na categoria Transcrição, disponíveis pela API da EmpirioLabs.

Principais diferenças

• Recursos indicados apenas para Qwen Audio 3.1 ASR Stream: streaming asr.
• Os dois modelos têm a mesma tarifa para Entrada (por 1M de tokens de entrada de áudio) e Saída (por 1M de tokens gerados).

Qwen Audio 3.1 ASR Message vs Qwen Audio 3.1 ASR Stream: especificações

Qwen Audio 3.1 ASR Message vs Qwen Audio 3.1 ASR Stream: 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 3.1 ASR Message vs Qwen Audio 3.1 ASR Stream: 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 3.1 ASR Message vs Qwen Audio 3.1 ASR Stream: limites e notas

Qwen Audio 3.1 ASR Message

Conexão

Transcrição de mensagens de voz por WebSocket no wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-message, autenticado com o cabeçalho comum do Portador de Autorização.

Enviando áudio

Transmita áudio mono pcm16 a 16 kHz com input_audio_buffer.append. A detecção de atividade de voz decide onde cada enunciado termina, então não há commit para enviar.

Configurações da sessão

Envie session.update logo após session.created, antes do primeiro áudio, com qualquer uma destas configurações: input_audio_transcription.language (ou o parâmetro de consulta language da URL da conexão; auto por padrão), turn_detection.silence_duration_ms (200 a 6000, padrão 800) e turn_detection.threshold (0.0 a 1.0), e input_audio_noise_reduction (near_field ou far_field). keep_dialect mantém as palavras do dialeto chinês como faladas. Uma configuração alterada enquanto o áudio está sendo transmitido encerra a frase em andamento e se aplica ao áudio enviado depois dele.

O que volta

Cada enunciado chega inteiro, como um evento conversation.item.input_audio_transcription.completed quando o falante pausa. Configure partial_results para também recebê-lo enquanto é falado, pois conversation.item.input_audio_transcription.delta eventos que ainda podem mudar antes de se estabelecer. Para legendas ao vivo, qwen-audio-3-1-asr-stream sempre as envia.

Faturamento

Os tokens de entrada e saída são precificados por 1M, e cada enunciado completo é faturado sozinho a partir do uso que o modelo reporta.

Qwen Audio 3.1 ASR Stream

Conexão

Transcrição ao vivo via WebSocket no wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-stream, autenticada com o cabeçalho comum Authorization Bearer.

Enviando áudio

Transmita áudio mono pcm16 a 16 kHz com input_audio_buffer.append. A detecção de atividade de voz decide onde cada frase termina, então não há commit para enviar.

Configurações da sessão

Envie session.update logo após session.created, antes do primeiro áudio, com qualquer uma destas configurações: input_audio_transcription.language (ou o parâmetro de consulta language da URL da conexão; auto por padrão), input_audio_transcription.prompt com os nomes e termos que o falante usa (até 400 caracteres), turn_detection.silence_duration_ms (200 a 6000, padrão 800) e turn_detection.threshold (0.0 a 1.0), e input_audio_noise_reduction (near_field ou far_field). keep_dialect mantém as palavras do dialeto chinês como faladas. Uma configuração alterada enquanto o áudio está em streaming encerra a frase em andamento e se aplica ao áudio enviado depois dela.

O que volta

conversation.item.input_audio_transcription.delta eventos levam a frase tão longe enquanto o falante ainda está falando, e conversation.item.input_audio_transcription.completed carrega a frase estabelecida a cada pausa.

Faturamento

Os tokens de entrada e saída são precificados por 1 Milhão, e cada frase concluída é cobrada separadamente a partir do uso que o modelo reporta.

Como chamar Qwen Audio 3.1 ASR Message e Qwen Audio 3.1 ASR Stream

Qwen Audio 3.1 ASR Message transcreve um fluxo de áudio ao vivo por um WebSocket em wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-message, e não pelos endpoints HTTP. Conecte-se com o id de modelo qwen-audio-3-1-asr-message e envie sua chave de API da EmpirioLabs como cabeçalho Authorization: Bearer no handshake. Acrescente áudio PCM de 16 bits em base64 e leia os eventos de transcrição enquanto a pessoa ainda fala. 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-3-1-asr-message ou qwen-audio-3-1-asr-stream. 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-3-1-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())

Qwen Audio 3.1 ASR Message vs Qwen Audio 3.1 ASR Stream: perguntas frequentes

Qual é a diferença entre Qwen Audio 3.1 ASR Message e Qwen Audio 3.1 ASR Stream?

Recursos indicados apenas para Qwen Audio 3.1 ASR Stream: streaming asr. Os dois modelos têm a mesma tarifa para Entrada (por 1M de tokens de entrada de áudio) e Saída (por 1M de tokens gerados). 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 3.1 ASR Message ou Qwen Audio 3.1 ASR Stream?

Os dois modelos têm a mesma tarifa para Entrada (por 1M de tokens de entrada de áudio) e Saída (por 1M de tokens gerados). As duas tabelas de tarifas ao vivo estão nesta página e sempre correspondem ao que a API cobra.

Posso alternar entre Qwen Audio 3.1 ASR Message e Qwen Audio 3.1 ASR Stream 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 3.1 ASR Message e Qwen Audio 3.1 ASR Stream no navegador antes de integrar?

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