typestring(必选) 事件类型，固定为session.update。 sessionobject（可选） 会话配置。 属性 output_modalitiesarray（可选） 适用于 qwen3.8-livetranslate-flash-realtime。输出模态，可设置为 ["text"]（仅文本）或 ["text", "audio"]（文本和音频，默认值）。 audioobject（可选） 适用于 qwen3.8-livetranslate-flash-realtime。音频配置。 属性 input.turn_detectionobject（可选） 语音检测配置。 input.turn_detection.typestring（可选） 可选值：speaker_detection（默认，开启实时说话人分离）、server_vad（语音活动检测）。 input.turn_detection.thresholdnumber（可选） 检测阈值。使用 speaker_detection 时固定为 0.5。 modalitiesarray（可选） 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 模型输出模态设置，可选值：
-
["text"]
仅输出文本。
-
["text","audio"]（默认值）
输出文本与音频。
voicestring（可选） 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 生成音频的音色。未启用声音复刻时，可设置为系统预设音色，可选值参见支持的音色。Qwen3.5-LiveTranslate-Flash-Realtime默认音色为： Tina。Qwen3-LiveTranslate-Flash-Realtime默认音色为： Cherry。
启用声音复刻（enable_voice_clone为true）时，voice的取值取决于frequency：当frequency为once或always时，必须设置为default；当frequency为never时，设置为用户预先复刻的音色 ID。此时不可设置为系统预设音色，否则服务端会返回错误。
enable_voice_cloneboolean（可选） 是否启用声音复刻。默认值为false。启用后，模型会基于输入音频复刻音色用于翻译输出，此时voice不再使用系统预设音色，需设置为default或用户预先通过声音复刻API复刻的音色 ID。 voice_clone_optionsobject（可选） 声音复刻控制参数，仅在enable_voice_clone为true时生效。 属性 voice_clone_options.frequencystring（可选） 音色复刻频率，可选值：
-
never
不在服务端进行音色复刻，使用用户预先复刻好的音色。此时voice需设置为用户的复刻音色 ID。
-
once
会话开始时基于输入音频进行一次音色复刻，后续输出复用该音色。适合单人演讲场景。此时voice需设置为default。
-
always
每次输出前基于输入音频进行实时音色复刻，音色跟随输入动态变化。适合多人对话场景。此时voice需设置为default。
sample_rateinteger（可选） 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 输入音频的采样率，单位为Hz。可选值： input_audio_transcriptionobject（可选） 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 qwen3.8-livetranslate-flash-realtime 的 ASR 始终开启，不支持关闭，识别结果免费。
输入音频相关配置。 属性 modelstring（可选） 语音识别模型，默认值为 qwen3-asr-flash-realtime，ASR 默认启用。服务端会在翻译的同时返回输入音频的语音识别结果（源语言原文），通过conversation.item.input_audio_transcription.text和conversation.item.input_audio_transcription.completed事件返回。如需关闭 ASR，请将此参数显式设置为 null。 可选值：qwen3-asr-flash-realtime（默认，启用 ASR）、null（关闭 ASR）。 languagestring（可选） 翻译源语种，可选值：支持的语种。默认不填写，此时模型会自动识别源语种。 input_audio_formatstring（可选） 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 用户输入音频格式，可选值： output_audio_formatstring（可选） 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 输出音频格式，当前仅支持设为pcm。 turn_detectionobject（可选） 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 语音活动检测（VAD，Voice Activity Detection）配置，用于控制语音起止的检测方式：
- 设为配置对象（默认值）：启用 VAD 模式。服务端自动检测语音起止，自动提交音频缓冲区并触发翻译响应，客户端无需发送
input_audio_buffer.commit事件。
- 设为
null：启用 Manual 模式。由客户端通过input_audio_buffer.commit事件手动提交音频缓冲区，服务端收到后自动开始生成翻译响应。
属性 typestring（可选） VAD 类型，固定为server_vad。 thresholdfloat（可选） VAD 检测灵敏度。值越低，越容易将微弱声音（包括背景噪音）识别为语音；值越高，需要更清晰、音量更大的语音才能触发。 取值范围：[-1.0, 1.0]，默认值为 0.2。 silence_duration_msinteger（可选） 语音结束后需保持静音的最短时长（毫秒）。超过该时长后判定语音结束，服务端自动提交音频缓冲区并触发翻译响应。 取值范围：[200, 6000]，默认值为 1000。 translationobject（可选） 翻译配置。 属性 languagestring（可选） 翻译目标语种，可选值：支持的语种。默认值为en。 same_language_skip_optionsobject（可选） qwen3.8-livetranslate-flash-realtime 不支持此参数。
同语种输出配置。当源语种与目标语种相同时，可跳过文本输出、音频输出或两者。仅当translation.language为zh或en时生效。 属性 skip_textboolean（可选） 是否在源语种与目标语种相同时跳过文本输出。 skip_audioboolean（可选） 是否在源语种与目标语种相同时跳过音频输出。 corpusobject（可选） 热词配置，用于提升特定词汇的翻译准确性。 属性 phrasesobject（可选） 热词映射表。key 为源语言词汇，value 为目标语言对应翻译。 示例：{"人工智能": "Artificial Intelligence"} | 适用于 qwen3.8-livetranslate-flash-realtime。 {
"type": "session.update",
"session": {
"output_modalities": [
"text",
"audio"
],
"translation": {
"language": "en"
}
}
}
qwen3.5-livetranslate-flash-realtime 配置示例：
{
"event_id": "event_ToPZqeobitzUJnt3QqtWg",
"type": "session.update",
"session": {
"modalities": [
"text",
"audio"
],
"voice": "Tina",
"sample_rate": 16000,
"input_audio_format": "pcm",
"output_audio_format": "pcm",
"input_audio_transcription": {
"model": "qwen3-asr-flash-realtime",
"language": "zh"
},
"translation": {
"language": "en",
"corpus": {
"phrases": {
"人工智能": "Artificial Intelligence",
"机器学习": "Machine Learning"
}
}
}
}
}
启用声音复刻（frequency=once）的示例： {
"event_id": "event_ToPZqeobitzUJnt3QqtWg",
"type": "session.update",
"session": {
"modalities": [
"text",
"audio"
],
"voice": "default",
"enable_voice_clone": true,
"voice_clone_options": {
"frequency": "once"
},
"sample_rate": 16000,
"input_audio_format": "pcm",
"output_audio_format": "pcm",
"translation": {
"language": "en"
}
}
}
源语种和目标语种均为英语，并跳过文本和音频输出的示例（不适用于 qwen3.8-livetranslate-flash-realtime）： {
"event_id": "event_xxx",
"type": "session.update",
"session": {
"input_audio_transcription": {
"language": "en"
},
"translation": {
"language": "en",
"same_language_skip_options": {
"skip_text": true,
"skip_audio": true
}
}
}
}
|