Qwen Audio 3.1 Realtime Plus vs Qwen Audio 3.0 Realtime Plus

Qwen Audio 3.1 Realtime Plus vs Qwen Audio 3.0 Realtime Plus 概览

Qwen Audio 3.1 Realtime Plus 和 Qwen Audio 3.0 Realtime Plus 都是 Alibaba Cloud 的模型，属于音频生成类别，可通过 EmpirioLabs API 使用。

主要区别

• Qwen Audio 3.1 Realtime Plus 发布更晚（2026年9月20日）；Qwen Audio 3.0 Realtime Plus 发布于 2026年8月10日。
• Qwen Audio 3.1 Realtime Plus 的上下文窗口更大：240K 个 token，Qwen Audio 3.0 Realtime Plus 为 16K。
• 每次响应 Qwen Audio 3.1 Realtime Plus 最多返回 16,384 个输出 token，Qwen Audio 3.0 Realtime Plus 最多 8,192。
• 两个模型的输入：音频（每 1M 音频输入令牌）和输入（每100万个提示词标记）价格相同。

Qwen Audio 3.1 Realtime Plus vs Qwen Audio 3.0 Realtime Plus：规格

Qwen Audio 3.1 Realtime Plus vs Qwen Audio 3.0 Realtime Plus：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 Realtime Plus vs Qwen Audio 3.0 Realtime Plus：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 Realtime Plus vs Qwen Audio 3.0 Realtime Plus：限制与说明

Qwen Audio 3.1 Realtime Plus

连接

在wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-realtime-plus通过WebSocket实现全双工语音，并用普通授权承载头进行认证。通过套接字配置session.update会话，包含语音、指令、模式、转向检测、语言和传递。

发送音频

• 将麦克风音频作为input_audio_buffer.append事件添加。
• 语音活动检测会判断你是否停止说话，所以语音结束后继续直播大约一秒钟。

语言与表达方式

将input_language设置为你所说的语言，你的演讲文字记录就是用这个语言书写的，output_language到口语回复所用的语言。每个语言分别取自动或 zh、en、ja、ko、vi、th、id、ar、fr、de、es、pt、ru 和 it 中的一个。输出语言不会翻译回复，所以在说明中也要要求它的语言。speed（0.5 到 2）设定说话速率，enable_speech_emotion表达表达，并max_history_turns（1 到 50）模型读取的早期交流次数。

配音

这个型号的音色是独立的一组。从音色列表中选一个，而不是把另一个音色放在另一个模型对面，或者保持不设置，默认音色会被自动提供。

网络搜索

网页搜索默认关闭。用enable_search开启。不能在调用函数的同一会话中启用，搜索结果会被添加到对话中并计入输入令牌。

账单

音频和文本代币在双向中分别定价。口头回复仅按其音频输出代币计费，文本输出费率适用于无音频的回复。每完成一回合根据模型报告的使用情况单独计费。

Qwen Audio 3.0 Realtime Plus

连接

在wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-realtime-plus通过WebSocket实现全双工语音，并用普通授权承载头进行认证。通过套接字配置会话，包含语音、指令、模式、转向检测和传递等session.update。

发送音频

• 将麦克风音频作为input_audio_buffer.append事件添加。
• 语音活动检测会判断你是否停止说话，所以语音结束后继续直播大约一秒钟。

交付

speed（0.5到2）设定说话速率，enable_speech_emotion表达表达，max_history_turns（1到50）模型读取的早期交流次数。在说明中要求回答的语言。

配音

这个型号的音色是独立的一组。从音色列表中选一个，而不是把另一个音色放在另一个模型对面，或者保持不设置，默认音色会被自动提供。

网络搜索

网页搜索默认关闭。用enable_search开启。不能在调用函数的同一会话中启用，搜索结果会被添加到对话中并计入输入令牌。

账单

音频和文本代币在双向中分别定价。口头回复仅按其音频输出代币计费，文本输出费率适用于无音频的回复。每完成一回合根据模型报告的使用情况单独计费。

如何调用 Qwen Audio 3.1 Realtime Plus 和 Qwen Audio 3.0 Realtime Plus

Qwen Audio 3.1 Realtime Plus 通过 wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-realtime-plus 的 WebSocket 进行实时对话，而不是通过 HTTP 端点。使用模型 id qwen-audio-3-1-realtime-plus 连接，并在握手时将 EmpirioLabs API 密钥作为 Authorization: Bearer 请求头发送。音频以 base64 编码的 16 位 PCM 双向传输。 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-realtime-plus 或 qwen-audio-3-0-realtime-plus。 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-realtime-plus",
        additional_headers=[
            ("Authorization", f"Bearer {os.environ['EMPIRIOLABS_API_KEY']}"),
        ],
        max_size=None,
    ) as ws:
        print(json.loads(await ws.recv())["type"])  # session.created

        await ws.send(json.dumps({
            "type": "conversation.item.create",
            "item": {
                "type": "message",
                "role": "user",
                "content": [{"type": "input_text", "text": "Say hello."}],
            },
        }))
        await ws.send(json.dumps({"type": "response.create"}))

        async for raw in ws:
            event = json.loads(raw)
            if event["type"] == "response.audio.delta":
                ...  # base64 audio chunk, append to your playback buffer
            elif event["type"] == "response.done":
                break

asyncio.run(main())

Qwen Audio 3.1 Realtime Plus vs Qwen Audio 3.0 Realtime Plus：测试与指南

同时涵盖两个模型的提示词测试和对比实验。

指南 Qwen Audio 3.1 实时闪存 vs 3.1 实时加 vs 3.0 实时加和闪存：一个口头问题 我们通过WebSocket向四位Qwen Audio实时型号提出了相同的语音问题，每人一次。听到每个回答，包括首次音频的时间和回合价格。

Qwen Audio 3.1 Realtime Plus vs Qwen Audio 3.0 Realtime Plus：常见问题

Qwen Audio 3.1 Realtime Plus 和 Qwen Audio 3.0 Realtime Plus 有什么区别？

Qwen Audio 3.1 Realtime Plus 发布更晚（2026年9月20日）；Qwen Audio 3.0 Realtime Plus 发布于 2026年8月10日。 Qwen Audio 3.1 Realtime Plus 的上下文窗口更大：240K 个 token，Qwen Audio 3.0 Realtime Plus 为 16K。 每次响应 Qwen Audio 3.1 Realtime Plus 最多返回 16,384 个输出 token，Qwen Audio 3.0 Realtime Plus 最多 8,192。 本页的规格、价格表和参数来自 EmpirioLabs 实时目录。

Qwen Audio 3.1 Realtime Plus 和 Qwen Audio 3.0 Realtime Plus 哪个更新？

Qwen Audio 3.1 Realtime Plus 发布更晚（2026年9月20日）；Qwen Audio 3.0 Realtime Plus 发布于 2026年8月10日。

Qwen Audio 3.1 Realtime Plus 和 Qwen Audio 3.0 Realtime Plus 哪个价格更低？

两个模型的输入：音频（每 1M 音频输入令牌）和输入（每100万个提示词标记）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 Realtime Plus 和 Qwen Audio 3.0 Realtime Plus 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 Realtime Plus 和 Qwen Audio 3.0 Realtime Plus 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。