A Realtime API oferece diversos protocolos de transporte, cada um otimizado para requisitos específicos como desempenho, latência, resiliência em redes instáveis e custo de integração.
A Realtime API suporta três protocolos de transporte: AOQ (AI over QUIC), WebRTC e WebSocket. Escolha o protocolo mais adequado ao seu cenário de negócios.
Dimensão | AOQ | WebRTC | WebSocket |
|---|---|---|---|
Casos de uso | Interação multimodal de IA em tempo real, condições de rede instáveis, transmissão de dados mistos | Interação via navegador, chamadas tradicionais de áudio e vídeo | Integração no lado do servidor, prototipagem rápida |
Compatibilidade com navegadores | Sem suporte | Suporte nativo | Suporte nativo |
Dificuldade de integração | Baixa | Média | Mínima |
Resiliência em redes instáveis | Excelente | Boa | Baixa |
Tipos de dados | Áudio/vídeo + texto | Áudio/vídeo + texto | Texto/áudio/imagem |
Velocidade de estabelecimento de conexão | Rápida | Lenta | Lenta |
Cancelamento de eco e supressão de ruído | Integrado | Integrado | Nenhum; o cliente deve implementá-los |
Adequação a cenários de IA | Desenvolvido especificamente para características de dados multimodais de IA | Design tradicional; exige adaptação adicional para cenários de IA | Básico; indicado para cenários apenas de texto ou com baixos requisitos de tempo real |
Suporte a plataformas cliente | Android / iOS / HarmonyOS | Navegadores, clientes móveis | Todas as plataformas (qualquer ambiente que suporte WebSocket) |
Selecione um protocolo conforme suas necessidades:
- AOQ: Ideal para cenários de interação em tempo real com IA que exigem os mais altos níveis de latência, resiliência em redes instáveis e transmissão de dados multimodais, especialmente em aplicativos móveis nativos. Inclui cancelamento de eco e supressão de ruído integrados.
- WebRTC: Recomendado para cenários tradicionais de chamadas de áudio e vídeo que necessitam de suporte nativo no navegador ou já operam em infraestrutura WebRTC. Inclui cancelamento de eco e supressão de ruído integrados.
- WebSocket: Mais indicado para integrações no lado do servidor, prototipagem rápida e cenários que demandam barreira mínima de integração. Utilize o DashScope SDK para implementar rapidamente conversas de voz em tempo real.
Modelos e aplicações suportados
A tabela a seguir apresenta o suporte de cada protocolo aos diferentes modelos e aplicações:
Tipo de modelo/aplicação | Modelo | AOQ | WebRTC | WebSocket |
|---|---|---|---|---|
qwen3.5-omni-plus-realtime | Supported | Supported | Supported | |
qwen3.5-omni-flash-realtime | Supported | Supported | Supported | |
qwen3.5-livetranslate-flash-realtime | Supported | Supported | Supported | |
Modelos das séries Qwen-Audio-3.0-ASR-Flash-Streaming e Fun-ASR-Realtime | Supported | Unsupported | Supported | |
Modelos da série CosyVoice | Supported | Unsupported | Supported | |
qwen-audio-3.0-tts-flash, qwen-audio-3.0-tts-plus | Supported | Unsupported | Supported | |
qwen-audio-3.0-realtime-plus, qwen-audio-3.0-realtime-flash | Supported | Supported | Supported |
ObservaçãoPara obter informações como nomes de modelos, janelas de contexto, preços e versões de snapshot, consulte o console do Alibaba Cloud Model Studio. Para limites de taxa, consulte Rate limiting.
Melhores práticas
- Using WebRTC with qwen3.5-omni-plus-realtime for real-time calls
- Using AOQ with qwen3.5-omni-plus-realtime for real-time calls
- Build push-to-talk voice conversations with qwen3.5-omni-plus-realtime over AOQ
- Build real-time voice conversations with qwen-audio-3.0-realtime-plus over AOQ
- Synthesize speech with qwen-audio-3.0-tts-flash over AOQ
- Transcribe real-time speech with fun-asr-realtime over AOQ