首页 博客

如何使用Qwen Audio 3.0 Realtime Plus和Realtime Flash

Qwen Audio 3.0 Realtime Plus 和 Realtime Flash API 博客封面

Nov 3, 2026

EmpirioLabs AI

披露: 本文在 AI 辅助下撰写,并由 EmpirioLabs AI 审阅。

Qwen Audio 3.0 Realtime Plus 和 Qwen Audio 3.0 Realtime Flash 已在 EmpirioLabs 上可用。 两者都是阿里巴巴语音对话模式:你打开WebSocket,上传麦克风音频,语音回复会流回。每种都有19个语音,轮换检测(判断句尾的停顿)、原生网页搜索和功能调用。Realtime Plus平衡了推理与对话节奏;Realtime Flash则优化为快速回复,价格更低。

试试它们Playground: 实时加 或 实时闪电.点击开始会话并进行对话。

观看启动影片

电影中的每个声音都是真实的Qwen Audio 3.0实时回复,每个声音都回答一个打字问题:加,用loongeva,普通话用longanlingxi,用daniel和sherry写Flash。图片为Qwen Image 2.1输出,配乐由ACE-Step在EmpirioLabs生成。 在YouTube上观看。 。 。.

连接

wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-realtime-flash 授权:承载者YOUR_EMPIRIOLABS_API_KEY

配置会话 session.update,附加麦克风音频为 input_audio_buffer.append,并阅读回复 响应.音频.delta,其转录记录为 response.audio_transcript.delta.音频以16位PCM格式传输,16 kHz上升,24 kHz返回。

{“type”: “session.update”, “session”: { “voice”: “daniel”, “instructions”: “你是自行车店的友好支持代理。”, “turn_detection”: {“type”: “smart_turn”}, “speed”: 1.1 }}

配音与表达方式

  • 声音。 19个声音,包括英文声音 丹尼尔, (中文), 回声, (中文), 汉娜, 和 雪利酒,在 声音 参数在 API 引用和 Playground 选择器中。离开 声音 未集合和 龙安前 说话。这些声音与Qwen Audio 3.1实时型号的声音不同。
  • 送货。 速度 (0.5 到 2) 设定了发言率, enable_speech_emotion 表现力表达,以及 max_history_turns (1到50)模型读取的早期交换次数。
  • 转向检测。 server_vad,默认,暂停后结束你的回合; smart_turn 还会判断说了什么,所以填充音不会结束回合, smart_turn_v2 也减少了旁观者的回答。

网页搜索或函数调用

网页搜索默认关闭;开启时 enable_search,或声明 函数 工具.每次使用一个:a session.update 这会在被拒绝的情况下,同时也会发生 错误 事件命名字段,会话保持其早期设置。要在声明工具的会话中搜索,发送 “工具”: [] 首先。在一次会话中,两者使用: Qwen 音频 3.1 实时闪光。 。 。.

作战笔记

  • 在第一回合前选择声音。 一旦会话开始处理音频,一个 session.update 用不同的声音拒绝,并用 错误 事件。新开会话切换声音。
  • 没有语言设置。 input_language 以及 output_language 是Qwen Audio 3.1设置;在3.0版本中,每个设置分别为 错误 事件命名它,其余更新内容生效。请说 说明 用哪种语言回答。
  • 演讲结束后请继续简短直播。 回合检测通过听到说话者停止时结束回合,所以在最后一个词后发送大约一秒钟的静默。

定价

每完成一次回合按模型报告的使用量计费,音频和文本令牌在双向的费率分别计费,因此纯文本回复的成本低于口头回复。搜索结果计入输入令牌。当前速率在 实时加 以及 实时闪电 模型页和 定价页面。 。 。.

开始建造

每个模型的API引用为 实时加 以及 实时闪电,完整的事件表均为 实时语音API 指南。关于新一代,请参见 如何使用Qwen Audio 3.1实时闪存API。 。 。.

准备好使用更好的终端了吗?

欢迎浏览我们的模型,或联系我们洽谈业务咨询、定制部署或其他任何事宜。