Realtime API は、パフォーマンス、レイテンシー、劣悪なネットワーク環境への耐性、統合コストなど、さまざまな要件に合わせて最適化された複数のトランスポートプロトコルを提供します。
Realtime API は、AOQ (AI over QUIC)、WebRTC、WebSocket の 3 つのトランスポートプロトコルをサポートしています。ビジネスシナリオに最も適したプロトコルを選択してください。
ディメンション | AOQ | WebRTC | WebSocket |
|---|---|---|---|
ユースケース | AI マルチモーダルリアルタイムインタラクション、劣悪なネットワーク環境、混合データ伝送 | ブラウザベースのインタラクション、従来の音声通話およびビデオ通話 | サーバー側の統合、迅速なプロトタイピング |
ブラウザの互換性 | 非サポート | ネイティブサポート | ネイティブサポート |
統合の難易度 | 低 | 中 | 最小 |
劣悪なネットワーク環境への耐性 | 優秀 | 良 | 悪い |
データタイプ | 音声/動画 + テキスト | 音声/動画 + テキスト | テキスト/音声/画像 |
接続確立速度 | 速 | 遅い | 遅い |
エコーキャンセレーションとノイズ抑制 | 内蔵 | 内蔵 | なし。クライアント側で処理する必要があります |
AI シナリオへの適合性 | AI マルチモーダルデータ特性向けに専用設計 | 従来型の設計。AI シナリオには追加の適応が必要です | 基本的。テキストのみのシナリオ、またはリアルタイム要件が低いシナリオに適しています |
クライアントプラットフォームのサポート | Android / iOS / HarmonyOS | ブラウザ、モバイルクライアント | すべてのプラットフォーム (WebSocket をサポートするすべての環境) |
要件に基づいてプロトコルを選択します：
- AOQ：レイテンシー、劣悪なネットワーク環境への耐性、マルチモーダルデータ伝送に対する要件が最も厳しい AI リアルタイムインタラクションシナリオ、特にネイティブモバイルアプリに最適です。エコーキャンセレーションとノイズ抑制機能が内蔵されています。
- WebRTC：ネイティブブラウザのサポートが必要な、またはすでに WebRTC インフラストラクチャで実行されている従来の音声通話およびビデオ通話シナリオに最適です。エコーキャンセレーションとノイズ抑制機能が内蔵されています。
- WebSocket：サーバー側の統合、迅速なプロトタイピング、および統合の障壁を最小限に抑える必要があるシナリオに最適です。DashScope SDK を使用して、リアルタイム音声会話を迅速に実装できます。
サポートされるモデルとアプリケーション
次の表は、各プロトコルがさまざまなモデルとアプリケーションをどのようにサポートしているかを示しています：
モデル/アプリケーションタイプ | モデル | AOQ | WebRTC | WebSocket |
|---|---|---|---|---|
リアルタイム Omni | qwen3.5-omni-plus-realtime、qwen3.5-omni-flash-realtime | サポート | サポート | サポート |
Qwen-Livetranslate-Realtime シリーズモデル | サポート | サポート | サポート | |
リアルタイム音声認識 | qwen-audio-3.1-asr-flash-message、qwen-audio-3.1-asr-flash-streaming、qwen-audio-3.0-asr-flash-streaming、Fun-ASR-Realtime シリーズモデル | サポート | 非サポート | サポート |
リアルタイム音声合成 | qwen-audio-3.1-tts-flash、qwen-audio-3.0-tts-flash、qwen-audio-3.0-tts-plus | サポート | 非サポート | サポート |
CosyVoice シリーズモデル | サポート | 非サポート | サポート | |
リアルタイム音声会話 | qwen-audio-3.0-realtime-plus, qwen-audio-3.0-realtime-flash | サポート | サポート | サポート |
注記モデル名、コンテキストウィンドウ、価格、スナップショットバージョンなどの情報については、「Alibaba Cloud Model Studio コンソール」をご参照ください。レート制限については、「レート制限」をご参照ください。