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 概览

Qwen Audio 3.1 ASR Message 和 Qwen Audio 3.1 ASR Stream 都是 Alibaba Cloud 的模型，属于转录类别，可通过 EmpirioLabs API 使用。

主要区别

• 仅 Qwen Audio 3.1 ASR Stream 列出的能力：streaming asr。
• 两个模型的输入（每 1M 音频输入令牌）和输出（每100万个生成代币）价格相同。

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

Qwen Audio 3.1 ASR Message vs Qwen Audio 3.1 ASR Stream：API 价格

两个模型在 EmpirioLabs 目录中的实时价格。每张价格表始终与 API 的实际计费一致。

Qwen Audio 3.1 ASR Message vs Qwen Audio 3.1 ASR Stream：API 参数

每个模型在 EmpirioLabs 上列出的请求参数，以及适用的可选值或范围。短横线表示该模型未列出此参数。

Qwen Audio 3.1 ASR Message vs Qwen Audio 3.1 ASR Stream：限制与说明

Qwen Audio 3.1 ASR Message

连接

语音消息转录通过 WebSocket 在 wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-message 进行，并用普通授权承载者头进行认证。

发送音频

带input_audio_buffer.append的16 kHz单声道PCM16音频流式传输。语音活动检测决定每个话语的结束位置，因此无需提交。

会话设置

在session.created之后、第一个音频之前发送session.update，设置如下：input_audio_transcription.language（或连接URL的language查询参数;默认auto）、turn_detection.silence_duration_ms（200到6000，默认800）、turn_detection.threshold（0.0到1.0）以及input_audio_noise_reduction（near_field或far_field）。keep_dialect保持中文方言的口语。在音频流媒体中更改设置，正在进行的话语会终止，并应用到之后发送的音频。

回应内容

每句话语作为一个完整的事件，在说话者暂停后作为一个conversation.item.input_audio_transcription.completed事件。设置 partial_results 在说话时也接收该话题，作为仍可能变化的事件conversation.item.input_audio_transcription.delta。对于实时字幕，qwen-audio-3-1-asr-stream 总是发送字幕。

账单

输入和输出令牌按1M计价，每个完成的话题根据模型报告的使用情况单独计费。

Qwen Audio 3.1 ASR Stream

连接

通过wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-stream的WebSocket进行实时转录，并用普通授权承载者头进行认证。

发送音频

带input_audio_buffer.append的16 kHz单声道PCM16音频流式传输。语音活动检测决定每句话的结尾，因此无需提交。

会话设置

在session.created之后、第一个音频之前发送session.update，设置如下：input_audio_transcription.language（或连接URL的language查询参数;默认auto）、input_audio_transcription.prompt包含说话者使用的名称和术语（最多400字符）、turn_detection.silence_duration_ms（200到6000，默认800）和turn_detection.threshold（0.0到1.0）以及input_audio_noise_reduction（near_field或far_field）。keep_dialect保持中文方言单词的口述。在音频流媒体中更改设置，句子进行中结束，并应用到后续发送的音频上。

回应内容

conversation.item.input_audio_transcription.delta事件在说话者仍在说话时延续句子，每次停顿时conversation.item.input_audio_transcription.completed都承载着已定句子。

账单

输入和输出代币按1M计价，每个完成的句子根据模型报告的使用情况单独计费。

如何调用 Qwen Audio 3.1 ASR Message 和 Qwen Audio 3.1 ASR Stream

Qwen Audio 3.1 ASR Message 通过 wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-message 的 WebSocket 转写实时音频流，而不是通过 HTTP 端点。使用模型 id qwen-audio-3-1-asr-message 连接，并在握手时将 EmpirioLabs API 密钥作为 Authorization: Bearer 请求头发送。追加 base64 编码的 16 位 PCM 音频，说话过程中即可读取转写事件。 浏览器无法为 WebSocket 设置请求头，请从你的服务器发起该连接，再通过你自己的 socket 把音频转发给浏览器。 两个模型通过同一个端点调用。将 model 设为 qwen-audio-3-1-asr-message 或 qwen-audio-3-1-asr-stream。 在EmpirioLabs 控制台获取 API 密钥。

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：常见问题

Qwen Audio 3.1 ASR Message 和 Qwen Audio 3.1 ASR Stream 有什么区别？

仅 Qwen Audio 3.1 ASR Stream 列出的能力：streaming asr。 两个模型的输入（每 1M 音频输入令牌）和输出（每100万个生成代币）价格相同。 本页的规格、价格表和参数来自 EmpirioLabs 实时目录。

Qwen Audio 3.1 ASR Message 和 Qwen Audio 3.1 ASR Stream 哪个价格更低？

两个模型的输入（每 1M 音频输入令牌）和输出（每100万个生成代币）价格相同。 两张实时价格表都在本页，并始终与 API 的实际计费一致。

可以在不重构集成的情况下在 Qwen Audio 3.1 ASR Message 和 Qwen Audio 3.1 ASR Stream 之间切换吗？

可以。两个模型都使用 WEBSOCKET /v1/realtime 和同一个 EmpirioLabs API 密钥，大多数集成只需更改 model 值即可切换。如果依赖某个模型特有的参数，请先查看本页的参数表。

集成之前可以在浏览器里试用 Qwen Audio 3.1 ASR Message 和 Qwen Audio 3.1 ASR Stream 吗？

可以。在EmpirioLabs Playground中分别打开两个模型并点击 Start session，即可在浏览器中试用。