音频生成qwen-audio-3.0-realtime-plus
阿里巴巴 · 音频生成

千问实时语音大模型 是一款登顶全球权威评测的下一代实时双工语音大模型,它在全球权威第三方评测平台 Artificial Analysis Speech-to-Speech子项中取得综合排名第一。千问实时语音大模型 兼顾了模型智商与双工对话节奏,在保持流畅、自然的实时交互体验的同时,语音推理能力不打折扣;并通过并行推理和全向流式等工程优化,将端到端响应时延控制在低水平,实现"又快又聪明"的对话体验。标准版更注重高质量的回复结果。

概览

模态
上下文长度40K
最大输出8K

价格

可用性

服务状态过去 24 小时

参数信息

模型名称 / 版本qwen-audio-3.0-realtime-plus
输入模态文本 / 音频
输出模态文本 / 音频
支持参数—
上下文长度40K
最大输出8K

调用示例

# WebSocket only. Send the frames below after connecting.
wscat -c 'wss://api.agtcloud.cn/v1/realtime?model=qwen-audio-3.0-realtime-plus' \
  -H 'Authorization: Bearer YOUR_API_KEY'
{"type":"conversation.item.create","item":{"type":"message","role":"user","content":[{"type":"input_text","text":"Hello!"}]}}
{"type":"response.create"}

可用端点

openai-realtimeWS /v1/realtime?model=qwen-audio-3.0-realtime-plus接口文档

OpenAI Realtime WebSocket 接口,模型通过 URL 参数 model 指定

EXPLORE MODELS

探索更多音频生成

比较同类型模型的能力、上下文与调用价格,找到更适合当前场景的选择。

浏览全部
小米

精品音色语音合成,风格指令精准遵循。 内联情绪标签逐字控制,零提示词捕捉角色气质。

阿里巴巴

qwen3.5-omni-flash 是 阿里巴巴 推出的模型,支持文本、图片、视频、音频输入并输出文本,适用于文本理解与生成。

阿里巴巴

qwen3.5-omni-plus 是 阿里巴巴 推出的模型,支持文本、图片、视频、音频输入并输出文本,适用于文本理解与生成。

阿里巴巴

qwen3.5-omni-flash-realtime 是 阿里巴巴 推出的模型,支持文本、图片、视频、音频输入并输出文本、音频,适用于实时多模态交互。

阿里巴巴

qwen3.5-omni-plus-realtime 是 阿里巴巴 推出的模型,支持文本、图片、视频、音频输入并输出文本、音频,适用于实时多模态交互。