语音输入输出，通过一个插槽进行，在更大的 Omni 层中实现，文本和音频令牌费率以及每回合计费。
Alibaba Cloud音频生成256K 上下文Singapore专有端点新语音输入输出，通过一个插槽进行，在更大的 Omni 层中实现，文本和音频令牌费率以及每回合计费。
会话通过套接字配置 session.update 事件，而非请求参数。文本和音频令牌按不同的费率计费。
也称为 Qwen3.5 Omni Realtime, Alibaba Cloud Qwen3.5 Omni Plus Realtime
qwen3-5-omni-plus-realtime/v1/realtimeqwen3.5-omni-plus-realtimealibaba/qwen3-5-omni-plus-realtime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。
Qwen3.5 Omni Plus Realtime 通过 wss://api.empiriolabs.ai/v1/realtime?model=qwen3-5-omni-plus-realtime 的 WebSocket 进行实时对话，而不是通过 HTTP 端点。使用模型 id qwen3-5-omni-plus-realtime 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。 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=qwen3-5-omni-plus-realtime",
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())EmpirioLabs 上 Qwen3.5 Omni Plus Realtime API 支持的请求参数。省略字段时使用默认值。
| 参数 | 类型 | 默认值 | 范围 / 值 | 描述 |
|---|---|---|---|---|
| voice | enum | Tina | Tina, Serena, Ethan, Dylan, Sunny, Peter, Kiki, Eric | 会话的语音。在模型产生任何音频之前，用session.update设置好。 |
| instructions | string | - | - | 系统指导模型在对话中应如何行为和表达。 |
| modalities | string | ["text","audio"] | - | 模型会返回哪种输出类型，持续一回合。去掉“audio”，只显示文本回复。 |
| input_audio_format | enum | pcm | pcm | 你附加到输入缓冲区的音频编码：base64 16位 PCM。 |
| output_audio_format | enum | pcm | pcm | 该型号回流的音频编码：base64 16位 PCM。 |
| turn_detection | string | {"type":"server_vad"} | - | 服务器端语音活动检测。它会判断你什么时候停止说话，模型应该会回复。没有它，模型会听但不会回应，所以除非你用input_audio_buffer.commit和response.create开车转身，否则保持开启。 |
通过 wss@api.empiriolabs.ai/v1/realtime？model=qwen3-5-omni-plus-realtime 的 WebSocket 进行全双工语音，并用普通授权承载人头进行认证。通过套接字配置会话 session.update：语音、指令、模态和回合检测。该型号的语音与早期的 Omni 世代不同，因此设置一个接受或保留默认;未知语音会结束会话，而不是返回错误。文本和音频令牌分别定价，每个完成的回合根据模型报告的使用量单独计费。
在 EmpirioLabs，Qwen3.5 Omni Plus Realtime 按量计费：输入：音频 $33.00 每 1M 音频输入令牌; 输入 $4.20 每100万个提示词标记; 产出 $24.80 每100万个生成代币; 输出：音频 $124.00 每1M生成的音频标记。本页的实时价格表始终与 API 的实际计费一致。
Qwen3.5 Omni Plus Realtime 支持 256K token 的上下文窗口，每次响应最多 32,768 个输出 token。
Qwen3.5 Omni Plus Realtime 通过 api.empiriolabs.ai 上的 WEBSOCKET /v1/realtime 提供，使用标准的 Bearer 令牌认证。
打开EmpirioLabs Playground并点击 Start session，即可在浏览器中试用。Qwen3.5 Omni Plus Realtime 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 qwen3-5-omni-plus-realtime 从你的服务器连接，然后双向流式传输音频。
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。
