Realtime API の対応モデル、アクセス方法、認証、および既存のチュートリアルとデモを紹介します。
Realtime API は、リアルタイムのマルチモーダル対話、音声認識、音声合成、音声対話、音声・動画翻訳をサポートします。必要なモデルの対応アクセス方法を確認し、アプリケーションに合う方法を選んで、対応するアクセスドキュメントを開いてください。
モデルとプロトコルの対応
次の表は、各モデルとアプリケーションが対応するプロトコルを示します。「対応」をクリックすると、対応するアクセスドキュメントを開きます。
| モデル/アプリケーションの種類 | モデル | WebSocket | WebRTC | AOQ |
|---|---|---|---|---|
qwen3.8-omni-flash-realtime, qwen3.5-omni-plus-realtime, qwen3.5-omni-flash-realtime | ||||
qwen-audio-3.1-tts-plus, qwen-audio-3.1-tts-flash, qwen-audio-3.0-tts-flash, qwen-audio-3.0-tts-plus | 非サポート | |||
CosyVoice シリーズ | 非サポート | |||
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 | 非サポート | |||
qwen-audio-3.1-realtime-plus, qwen-audio-3.1-realtime-flash, qwen-audio-3.0-realtime-plus, qwen-audio-3.0-realtime-flash | ||||
Qwen-Livetranslate-Realtime シリーズ |
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。
アクセス方法の選択
Realtime API は WebSocket、WebRTC、AOQ(AI over QUIC)に対応しています。利用できるアクセス方法と入出力機能については、選択したモデルのアクセスドキュメントをご確認ください。
| 比較項目 | WebSocket | WebRTC | AOQ |
|---|---|---|---|
ユースケース | リアルタイムの音声・マルチモーダル対話、サーバー側の統合、迅速なプロトタイプ作成 | ブラウザーでのリアルタイム音声・動画対話、既存の WebRTC 基盤を使用するアプリケーション | 不安定なネットワークへの最適化と、音声・映像・モデルイベントの連携伝送が必要なネイティブアプリケーション |
ブラウザーの互換性 | 標準でサポート。対応 API の認証要件を満たす必要があります | 標準でサポート | 現在の AOQ SDK はブラウザーからのアクセスに対応していません |
エコーキャンセルとノイズ抑制 | クライアントが使用する音声キャプチャー・処理コンポーネントが提供します | ブラウザーまたは WebRTC クライアントが提供。プラットフォームと設定に依存します | 使用するプラットフォームの AOQ SDK 音声設定に従います |
対応するクライアントプラットフォーム | すべてのプラットフォーム(WebSocket に対応するすべての環境) | ブラウザー、モバイルクライアント | モバイル、デスクトップ、Linux。詳細は、AOQ SDK のダウンロードをご覧ください。 |
Token Plan | サポート | サポート | サポート |
- WebSocket:リアルタイムの音声・マルチモーダル対話、サーバー側の統合、プロトタイプ作成に適しています。DashScope SDK を使用すると、リアルタイム音声対話をすばやく実装できます。
- WebRTC:ブラウザーの標準サポートが必要な場合や、既存の WebRTC 基盤を利用するリアルタイム音声・動画対話に適しています。
- AOQ:AOQ は QUIC をベースとし、不安定なネットワーク環境でのリアルタイム対話に向けて最適化されています。音声・映像とモデルイベントを別々のトラックで伝送し、メディアのキャプチャ、エンコード・デコード、再生機能を統合する必要があるネイティブアプリケーションに適しています。
アクセスの準備
リージョンとエンドポイントを確認し、そのリージョンとワークスペースの API キーを取得します。
注記初回利用時は、コンソールの案内に従ってサービスを有効化してください。API キーは作成直後にコピーして安全に保管し、環境変数で管理します。クライアントコードへの埋め込みやコードリポジトリへのコミットは避けてください。
AOQ では、クライアントプラットフォーム用の AOQ SDKをダウンロードします。
認証方法
リアルタイム API は認証に API キーを使用します。AOQ、WebRTC、または WebSocket のいずれを介して接続する場合でも、Authorization HTTP リクエストヘッダーでベアラートークンを渡します。
WebRTC と WebSocket は接続確立時に認証します。AOQ では、AppServer が接続認証情報をリクエストする際に API キーで認証し、その後クライアントが一時トークンで接続します。確立済みの接続でのデータ送信に再認証は不要です。
接続認証の詳細
WebSocket
WebSocket では、接続の確立時に HTTP リクエストヘッダーに API Key を設定して認証します。具体的な要件は、選択したモデルのアクセスドキュメントをご確認ください。
WebRTC
WebRTC は、HTTP POST リクエストを介して SDP 交換を完了し、認証はこの段階で行われます。クライアントは Offer SDP をサーバーに送信し、サーバーは Answer SDP を返します。
AOQ
AOQ はサーバーサイドプロキシ認証モデルを使用します。API キーはビジネス AppServer でのみ使用されます。クライアントはゲートウェイから返された一時的なトークンで接続するため、API キーがクライアント側に渡ることはありません。
接続認証情報の取得
AOQ には接続時認証と事前認証があります。接続時認証では、接続が必要になった時点で認証情報を取得し、続けてメディア接続を確立します。事前認証では、認証情報をあらかじめ取得してキャッシュし、必要な時点で接続するため、接続時のシグナリング HTTP リクエストの待ち時間を短縮できます。
接続時認証
メディア接続が必要になった時点で AppServer が接続認証情報をリクエストしてクライアントに返し、クライアントは直ちに connect(config) を呼び出します。

事前認証
AppServer は接続認証情報を先にリクエストします。クライアントは接続パラメーター全体をキャッシュし、メディア接続が必要になった時点で connect(config) を呼び出します。
トークンのデフォルトの有効期間は 5 分です。延長が必要な場合はサポートにお問い合わせください。有効期限が切れた後は、接続認証情報を再取得します。

リクエストパス
| モデルシリーズ | 接続リクエストのパス |
|---|---|
| Qwen-Omni-Realtime、Qwen-Audio-Realtime、Qwen-Livetranslate-Realtime | /api/v1/webrtc/realtime |
| Qwen-Audio-TTS、CosyVoice、Qwen-Audio-ASR-Streaming、Qwen-Audio-ASR-Message、Fun-ASR-Realtime | /api/v1/webrtc/inference |
リクエストの詳細
| パラメーター | 場所と型 | 説明 |
|---|---|---|
| URL · | 必須。選択したリージョンとワークスペースのエンドポイントを使用します。Token Plan では、ドメイン内の |
| クエリ · | 必須。呼び出すモデルの ID です。上の表のモデルシリーズに応じて接続パスを選択します。 |
| ヘッダー · | 必須。形式は |
| ヘッダー · | 必須。 |
| ヘッダー · | 必須。AOQ プロトコルを指定するため、 |
| ボディ · | 任意。Relay エンドポイントの選択に使用する、クライアントの実際のパブリック IP アドレスです。省略した場合、リクエスト送信元の IP アドレスが使用されます。 |
| ボディ · | 任意。 |
以下は qwen3.8-omni-flash-realtime の例です。対応する {endpoint} と環境変数 DASHSCOPE_API_KEY を使用します。Inference パスを使用するモデルでは、リクエストパスを /api/v1/webrtc/inference に変更し、対応する model を設定します。
接続時認証リクエスト
curl -X POST \
"https://{endpoint}/api/v1/webrtc/realtime?model=qwen3.8-omni-flash-realtime" \
-H "Authorization: Bearer ${DASHSCOPE_API_KEY}" \
-H "Content-Type: application/json" \
-H "x-dashscope-rtc-transport: moq" \
-d '{}'
事前認証リクエスト
curl -X POST \
"https://{endpoint}/api/v1/webrtc/realtime?model=qwen3.8-omni-flash-realtime" \
-H "Authorization: Bearer ${DASHSCOPE_API_KEY}" \
-H "Content-Type: application/json" \
-H "x-dashscope-rtc-transport: moq" \
-d '{"serverPassiveConnect":true}'
レスポンスの詳細
| フィールド | 型 | 説明と SDK の対応 |
|---|---|---|
|
| 一意のセッション ID。 |
|
| クライアント接続用の一時トークン。 |
|
|
|
|
| Relay TLS 証明書のフィンガープリント。 |
|
| セッションの有効期間(秒)。期限切れ後は再取得が必要です。再取得しない場合、接続を確立できません。 |
|
| ワークスペース ID のハッシュ値。 |
両モードのレスポンス構造は同じです。以下は接続時認証のレスポンス例です。実際に返された値を使用してください。
{
"sid": "<session_id>",
"aoqTokenForClient": "<token>",
"clientRelayEndpoints": [
{"endpoint": "192.0.2.1", "port": 8443, "route_index": 0}
],
"clientRelayCertFingerprint": "sha256/<fingerprint>",
"sidExpiresInSecs": 7200,
"extraInfo": {"workspaceIdHash": "<workspace_id_hash>"}
}
開発リソース
WebRTC チュートリアル
AOQ チュートリアルと Demo
- AOQ で qwen3.8-omni-flash-realtime を使用してリアルタイム通話を実現
- AOQ 経由の qwen3.8-omni-flash-realtime で push-to-talk 音声対話を構築
- AOQ と qwen-audio-3.1-asr-flash-streaming による音声入力の実装
- AOQ上でのqwen3.8-livetranslate-flash-realtimeを用いたリアルタイム音声翻訳
- AOQ を介した qwen-audio-3.0-tts-flash での音声合成
- AOQ 経由で fun-asr-realtime を使用したリアルタイム音声の文字起こし
- qwen-audio-3.1-realtime-plus を使用して AOQ 経由でリアルタイム音声対話を構築
Android Demo で AOQ アクセスを試せます。QR コードをスキャンして APK をダウンロードし、インストール後に API キーと workspaceId を設定します。Demo が対応するモデルの一部を試すことができます。
