简短回答： 四款Qwen Audio实时型号都正确听到了同一个口头问题，并在问题结束后大约半秒内开始回答。两款Flash型号每回合价格低于十分之一美分，两款Plus型号价格低于一美分。 Qwen 音频 3.1 实时闪光, (中文), Qwen 音频 3.1 实时加, (中文), Qwen 音频 3.0 实时加 以及 Qwen 音频 3.0 实时闪光 所有这些都通过同一个实时端点运行在EmpirioLabs上。请听下面的每个回复;我们不会宣布获胜者。
问题
“我有九点的航班，机场要四十分钟车程。我什么时候应该离开家？”
听听这四个回复
“你应该在早上7：20离开家，以考虑到40分钟的车程和标准的两小时到达缓冲。这样可以确保你能在早上8点前到达机场，远早于9点的航班。”
“你应该在早上7：40离开家，8：20前到达机场。这样你有40分钟的缓冲时间去办理登机手续和安检，然后再搭9：00的航班。”
“你应该至少在航班前2小时离开家，以便办理登机和安检。考虑到40分钟的车程，建议早上6：20左右出发，搭乘9：00的航班。”
“你应该在早上7：40出发，以考虑40分钟的车程和典型的机场值机时间。这样你至少能提前一小时到达，时间是早上9：00的航班。”
结果一览
| 3.1 实时闪光 | 3.1 实时加 | 3.0 实时加 | 3.0 实时闪光 | |
|---|---|---|---|---|
| 本回合的代价 | $0.0008 | $0.0080 | $0.0085 | $0.0007 |
| 问题结束后的第一个音频 | 0.48秒 | 0.54秒 | 0.49秒 | 0.52秒 |
| 口头回复的长度 | 13.1秒 | 10.5秒 | 11.4秒 | 10.6秒 |
| 配音 | 88 | 88 | 19 | 19 |
| 在一个会话中带函数调用的网页搜索 | 是的 | 不，要么选 | 不，要么选 | 不，要么选 |
| 输入和输出语言设置 | 是的 | 是的 | 不 | 不 |
我们的运行方式
问题只说一次（用Qwen Audio 3.1 TTS合成），并以16 kHz PCM实时流式传输到每个型号，随后是一秒半的静音 WSS：//api.empiriolabs.ai/v1/realtime.每次会话都使用相同的指令（“你是一个有用的语音助手。用英文回答两句简短句子。”）、文本和音频输出，以及服务器回合检测，暂停900毫秒。每个回合一次，时间为2026年11月2日。第一次音频时间从模型检测问题结束到客户端测量的第一个音频时间。价格是针对这些精确回合的收费金额。
需要注意什么
算术。 7：40出发，40分钟车程8：20到达，比航班早40分钟;7：20出发，8：00到达，提前一小时。将每个回复的计划与其显示的缓冲时间进行比较。
闪光灯对抗Plus。 在每一代中，Flash的价格都远低于Plus。在这次测试中，四人开始说话的频率相差几百分之一秒。
对EmpirioLabs做同样的测试
wss：//api.empiriolabs.ai/v1/realtime？model=qwen-audio-3-1-realtime-flash 授权：承载者YOUR_EMPIRIOLABS_API_KEY {“type”： “session.update”， “session”： { “voice”： “xunanchuan_v3.1”， “instructions”： “你是一个有用的语音助手。用两句简短的英文回答。”， “turn_detection”： {“type”： “server_vad”， “silence_duration_ms”： 900} }}然后将麦克风音频流式传输为 input_audio_buffer.append 事件。在URL中交换模型以尝试其他型号，使用类似3.0的语音 丹尼尔 在3.0模型上，或者在 playground。 。 。.
常见问题解答
回复被编辑或重试了吗？
不是。每个回复都是模型对问题的第一个回答，未经编辑。
为什么Plus型号的价格大约是它的十倍？
他们的音频和文字代币价格更高。这回合的代币数量在四个回合中都差不多。
我应该用哪一个？
试试你的用户真正会问的问题。发布指南涵盖了每个型号的设置： Qwen 音频 3.1 实时闪光 以及 Qwen Audio 3.0 实时加和实时闪存。 。 。.
试试看吧
Playground | 所有型号 | 定价
