Qwen Audio 3.1 ASR Stream API

关于 Qwen Audio 3.1 ASR Stream

通过插槽实时转录，演讲者说话时流式播放部分词汇，每停顿一次就能固定句子，按代币收费。

通过插座流式传输16 kHz的PCM16音频。部分结果是在扬声器说话时到达的。

也称为 Qwen Audio ASR Stream, Alibaba Cloud Qwen Audio 3.1 ASR Stream

Qwen Audio 3.1 ASR Stream 规格

模型 ID

qwen-audio-3-1-asr-stream

开发方

Alibaba Cloud

类别

转录

发布日期

-

输入

音频

输出

文本

区域

Singapore

端点

WEBSOCKET/v1/realtime

备用模型 ID

qwen-audio-3.1-asr-streamalibaba/qwen-audio-3-1-asr-stream

Qwen Audio 3.1 ASR Stream API 价格

来自 EmpirioLabs 目录的实时按量计费价格。只为实际用量付费，没有月度最低消费。

如何调用 Qwen Audio 3.1 ASR Stream API

Qwen Audio 3.1 ASR Stream 通过 wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-stream 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-stream 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。 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-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 API 参数

EmpirioLabs 上 Qwen Audio 3.1 ASR Stream API 支持的请求参数。省略字段时使用默认值。

须知

连接 通过WebSocket在wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-asr-stream进行实时转录，并用普通授权承载者头进行认证。发送音频 流16 kHz单声道pcm16音频，带input_audio_buffer.append。语音活动检测决定每个句子的结尾，因此无需提交。返回内容 conversation.item.input_audio_transcription.delta事件在说话者仍在说话时传递句子，conversation.item.input_audio_transcription.completed在每次停顿时承载既定句子。计费 输入和输出令牌按1M计费，每个完成的句子根据模型报告的使用情况单独计费。

Qwen Audio 3.1 ASR Stream API：常见问题

Qwen Audio 3.1 ASR Stream API 收费多少？

在 EmpirioLabs，Qwen Audio 3.1 ASR Stream 按量计费：输入 $1.86 每 1M 音频输入令牌; 产出 $1.40 每100万个生成代币。本页的实时价格表始终与 API 的实际计费一致。

Qwen Audio 3.1 ASR Stream 使用哪个端点？

Qwen Audio 3.1 ASR Stream 通过 api.empiriolabs.ai 上的 WEBSOCKET /v1/realtime 提供，使用标准的 Bearer 令牌认证。

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

打开EmpirioLabs Playground并点击 Start session，即可在浏览器中试用。Qwen Audio 3.1 ASR Stream 运行在 WebSocket 上，而不是一次请求一次响应，因此接入时请从实时语音快速入门开始。用 EmpirioLabs API 密钥和模型 id qwen-audio-3-1-asr-stream 从你的服务器连接，然后双向流式传输音频。

如何获取 Qwen Audio 3.1 ASR Stream API 密钥？

创建 EmpirioLabs 账户，然后在控制台的 API Keys生成密钥。计费使用按量付费的额度，只为实际发出的请求付费。