Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream

Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream em resumo

Qwen Audio 3.1 ASR Stream e Qwen Audio 3.0 ASR Stream são modelos de Alibaba Cloud na categoria Transcrição, disponíveis pela API da EmpirioLabs.

Principais diferenças

Os dois modelos indicam as mesmas especificações principais. As tabelas de tarifas e os parâmetros abaixo mostram onde eles diferem.

Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream: especificações

Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 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 Stream vs Qwen Audio 3.0 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 Stream vs Qwen Audio 3.0 ASR Stream: limites e notas

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.

Qwen Audio 3.0 ASR Stream

Conexão

Transcrição ao vivo via WebSocket no wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-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

Cobrado por segundo do áudio que você transmite, silêncio incluído, na taxa horária mostrada. A sessão é cobrada quando termina.

Como chamar Qwen Audio 3.1 ASR Stream e Qwen Audio 3.0 ASR Stream

Qwen Audio 3.1 ASR Stream transcreve um fluxo de áudio ao vivo por um WebSocket em wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-stream, e não pelos endpoints HTTP. Conecte-se com o id de modelo qwen-audio-3-1-asr-stream 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-stream ou qwen-audio-3-0-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-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())

Qwen Audio 3.1 ASR Stream vs Qwen Audio 3.0 ASR Stream: perguntas frequentes

Qual é a diferença entre Qwen Audio 3.1 ASR Stream e Qwen Audio 3.0 ASR Stream?

Os dois modelos indicam as mesmas especificações principais. As tabelas de tarifas e os parâmetros abaixo mostram onde eles diferem. 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 Stream ou Qwen Audio 3.0 ASR Stream?

Os dois modelos são tarifados em unidades ou níveis diferentes, então compare as tabelas de tarifas ao vivo desta página. Elas sempre correspondem ao que a API cobra.

Posso alternar entre Qwen Audio 3.1 ASR Stream e Qwen Audio 3.0 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 Stream e Qwen Audio 3.0 ASR Stream no navegador antes de integrar?

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