全部產品
Search
文件中心

Alibaba Cloud Model Studio:Qwen-LiveTranslate-Realtime WebSocket 接入

更新時間:Nov 16, 2026

Qwen-LiveTranslate-Realtime WebSocket 接入

適用範圍

本文面向 Qwen-LiveTranslate-Realtime,示例模型為 qwen3.8-livetranslate-flash-realtime。系列指南還列有 qwen3.5-livetranslate-flash-realtime 和快照版 qwen3.5-livetranslate-flash-realtime-2026-05-19。3.8 與 3.5 的配置和事件欄位不同,按所選型號查閱事件參考。

  • 使用所選地域和業務空間對應的 API Key 與 Workspace ID。
  • 北京域名:{WorkspaceId}.cn-beijing.maas.aliyuncs.com;新加坡域名:{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com。
  • 長期 API Key 保存在服務端,不放入瀏覽器或移動端應用。

地址與鑒權

WebSocketwss://WorkspaceId.cn-beijing.maas.aliyuncs.com/api-ws/v1/realtime?model=qwen3.8-livetranslate-flash-realtime
WebSocketwss://WorkspaceId.ap-southeast-1.maas.aliyuncs.com/api-ws/v1/realtime?model=qwen3.8-livetranslate-flash-realtime

其他域名的說明請參見 Python SDK。

在 WebSocket 握手請求頭中設置 Authorization: Bearer <API_KEY>。替換業務空間 ID 和實際模型名稱;不要把長期 API Key 放入瀏覽器或移動端。

可選的 user-agent 請求頭用於標識用戶端。通用 WebSocket 接入資料還列有 X-DashScope-WorkSpace(業務空間 ID)和 X-DashScope-DataInspection(資料合規檢查配置),這兩個請求頭按模型要求使用。

臨時 API Key 的生成方式和權限說明參見生成臨時 API Key。

會話配置

建立連接並收到 session.created 後發送 session.update。收到 session.updated 確認後再發送輸入;錯誤透過 error 事件處理。

以下示例對應 qwen3.8-livetranslate-flash-realtime,其他版本使用各自事件參考中的配置,不混用欄位層級。示例開啓即時聲音複刻,frequency: once 在會話開始時提取一次輸入音色並在後續復用,適合單人場景。詳情請參見聲音複刻。

{
  "type": "session.update",
  "session": {
    "output_modalities": [
      "text",
      "audio"
    ],
    "audio": {
      "input": {
        "turn_detection": {
          "type": "speaker_detection",
          "threshold": 0.5
        }
      }
    },
    "voice": "default",
    "enable_voice_clone": true,
    "voice_clone_options": {
      "frequency": "once"
    },
    "translation": {
      "language": "en",
      "corpus": {
        "phrases": {
          "人工智能": "Artificial Intelligence",
          "机器学习": "Machine Learning"
        }
      }
    }
  }
}

使用 qwen3.5-livetranslate-flash-realtime 時,配置和事件與上述 3.8 示例不同:

  • 輸出模態使用 session 中的 modalities,可選值和預設值與 3.8 的 output_modalities 相同。
  • 可透過 session 的 input_audio_transcription 對象中的 language 指定源語種;省略時自動識別。
  • 原文識別增量使用 conversation.item.input_audio_transcription.text;3.8 使用 conversation.item.input_audio_transcription.delta。
  • 僅輸出文本時,3.5 透過 response.text.text 返回譯文增量,3.8 使用 response.text.delta。輸出文本和音訊時,3.5 透過 response.audio_transcript.text 返回譯文增量,3.8 使用 response.audio_transcript.delta。

完整欄位、預設值和事件參見用戶端事件、服務端事件和即時語音翻譯指南。

輸入、結果與結束

音訊透過 input_audio_buffer.append 發送;輸入格式、提交條件和圖像輸入限制見用戶端事件。處理服務端事件中的結果、狀態和錯誤,不將連接建立視為業務請求已完成。

即時翻譯使用本模型的翻譯配置和事件,不套用 Omni 的 response.create 對話流程。輸入結束後發送 session.finish,保持連接並繼續接收剩餘結果,收到 session.finished 後再關閉 WebSocket 連接。需要完整播放譯音時,先完成本地播放收尾。具體事件欄位見用戶端事件和服務端事件。

錯誤處理

握手失敗時,核對域名、地域、業務空間、API Key、模型名稱及模型開通狀態與權限。連接建立後,根據 error 事件定位問題,並參見錯誤碼。保留事件 ID 便於排查,不以無響應判定協議不支援。

SDK 與參考