本文介绍千问实时语音/音视频翻译 API 的服务端事件,包括事件类型、参数和示例。
相关文档:实时语音/音视频翻译-千问。
说明本页为 Qwen-LiveTranslate-Realtime 的事件参考,事件定义以 WebSocket 接入为基础。AOQ、WebRTC 通过各自的数据通道收发模型事件,媒体通过媒体轨道传输。请先阅读WebSocket 接入、WebRTC 接入或AOQ 接入。
WebSocket SDK 用法参见 Python SDK和 Java SDK。型号与协议选择参见概述。
error
服务端返回的错误信息。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为error。
errorobject错误的详细信息。
属性
typestring错误类型。
codestring错误码。
messagestring错误信息。
paramstring与错误相关的参数,如session.modalities。
{
"event_id": "event_RoUu4T8yExPMI37GKwaOC",
"type": "error",
"error": {
"type": "invalid_request_error",
"code": "invalid_value",
"message": "Invalid modalities: ['audio']. Supported combinations are: ['text'] and ['audio', 'text'].",
"param": "session.modalities"
}
}
session.created
客户端连接后,服务端返回的第一个事件,包含本次连接的默认配置信息。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为session.created。
sessionobject会话的配置。
属性
idstring会话的唯一标识符。
objectstring固定为realtime.session。
modelstring使用的模型。
input_modalitiesarray适用于 qwen3.8-livetranslate-flash-realtime。输入模态,例如 ["audio"]。
output_modalitiesarray适用于 qwen3.8-livetranslate-flash-realtime。输出模态:["text"] 或 ["text", "audio"]。
audioobject适用于 qwen3.8-livetranslate-flash-realtime。音频输入与输出配置。
属性
inputobject属性
formatobject输入格式。type 默认值为 pcm,sample_rate 默认值为 16000(Hz)。
turn_detectionobject断句配置。默认 type 为 speaker_detection,threshold 为 0.5,silence_duration_ms 为 1000。
outputobject属性
formatobject会话的默认输出格式。type 为 pcm,sample_rate 为 24000(Hz)。
voicestring输出音色,默认值为 Tina。
modalitiesarray适用于 qwen3.5-livetranslate-flash-realtime 等模型。
模型输出模态设置。
voicestring适用于 qwen3.5-livetranslate-flash-realtime 等模型。
模型生成音频的音色。
input_audio_formatstring适用于 qwen3.5-livetranslate-flash-realtime 等模型。
输入音频的格式,默认为pcm。
sample_rateinteger适用于 qwen3.5-livetranslate-flash-realtime 等模型。
输入音频的采样率,单位为Hz。
output_audio_formatstring适用于 qwen3.5-livetranslate-flash-realtime 等模型。
输出音频的格式,默认为pcm。
turn_detectionobject适用于 qwen3.5-livetranslate-flash-realtime 等模型。
VAD(语音活动检测)配置。
translationobject(可选)翻译配置。
属性
languagestring(可选)设置的翻译目标语种。
qwen3.8-livetranslate-flash-realtime
适用于 qwen3.8-livetranslate-flash-realtime。
{
"event_id": "event_example",
"type": "session.created",
"session": {
"id": "sess_example",
"object": "realtime.session",
"model": "qwen3.8-livetranslate-flash-realtime",
"input_modalities": [
"audio"
],
"output_modalities": [
"text",
"audio"
],
"audio": {
"input": {
"format": {
"type": "pcm",
"sample_rate": 16000
},
"turn_detection": {
"type": "speaker_detection",
"threshold": 0.5,
"silence_duration_ms": 1000
}
},
"output": {
"format": {
"type": "pcm",
"sample_rate": 24000
},
"voice": "Tina"
}
},
"translation": {
"language": "en"
}
}
}
qwen3.5-livetranslate-flash-realtime
qwen3.5-livetranslate-flash-realtime 示例:
{
"event_id": "event_QxBGpjBDmDDQQWDtrqBKB",
"type": "session.created",
"session": {
"id": "sess_OozZ1vtbPt2muDflHODIH",
"object": "realtime.session",
"model": "qwen3.5-livetranslate-flash-realtime",
"modalities": [
"text",
"audio"
],
"voice": "Cherry",
"input_audio_format": "pcm",
"sample_rate": 16000,
"output_audio_format": "pcm",
"turn_detection": {
"type": "server_vad",
"threshold": 0.2,
"silence_duration_ms": 1000
},
"translation": {
"language": "en",
"corpus": {
"phrases": {
"人工智能": "Artificial Intelligence",
"机器学习": "Machine Learning"
}
}
}
}
}
session.updated
收到用户的 session.update 请求后,若处理成功,则返回此事件;若出错,则返回 error 事件。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为session.updated。
sessionobject会话的配置。
属性
idstring会话的唯一标识符。
objectstring固定为realtime.session。
modelstring使用的模型。
input_modalitiesarray适用于 qwen3.8-livetranslate-flash-realtime。输入模态,例如 ["audio"]。
output_modalitiesarray适用于 qwen3.8-livetranslate-flash-realtime。输出模态:["text"] 或 ["text", "audio"]。
audioobject适用于 qwen3.8-livetranslate-flash-realtime。音频输入与输出配置。
属性
inputobject属性
formatobject输入格式。type 默认值为 pcm,sample_rate 默认值为 16000(Hz)。
turn_detectionobject断句配置。默认 type 为 speaker_detection,threshold 为 0.5,silence_duration_ms 为 1000。
outputobject属性
formatobject会话的输出格式配置。收到 response.audio.delta 后,按 PCM 24 kHz 播放译音。
voicestring输出音色,默认值为 Tina。
modalitiesarray适用于 qwen3.5-livetranslate-flash-realtime 等模型。
模型输出模态设置。
voicestring适用于 qwen3.5-livetranslate-flash-realtime 等模型。
模型生成音频的音色。
sample_rateinteger(可选)适用于 qwen3.5-livetranslate-flash-realtime 等模型。
输入音频的采样率。
input_audio_formatstring适用于 qwen3.5-livetranslate-flash-realtime 等模型。
输入音频的格式,固定为pcm。
output_audio_formatstring适用于 qwen3.5-livetranslate-flash-realtime 等模型。
输出音频的格式,固定为pcm。
input_audio_transcriptionobject适用于 qwen3.5-livetranslate-flash-realtime 等模型。
输入音频转录配置。仅在会话配置了input_audio_transcription.model参数时返回。
属性
modelstring语音识别模型。
languagestring设置的语音识别语种。
turn_detectionobject适用于 qwen3.5-livetranslate-flash-realtime 等模型。
VAD(语音活动检测)配置。Manual 模式下(客户端在session.update中将该参数设为null)不返回此字段。
属性
typestringVAD 类型,固定为server_vad。
thresholdfloatVAD 检测灵敏度。
prefix_padding_msinteger语音开始前保留的音频时长(毫秒),避免丢失语音起始部分。
silence_duration_msinteger语音结束后需保持静音的最短时长(毫秒),超过该时长即判定语音结束。
create_responsebooleanVAD 检测到语音结束后,是否自动触发翻译响应。
interrupt_responsebooleanVAD 检测到新一轮语音开始时,是否打断当前正在生成的翻译响应。
translationobject(可选)翻译配置。
属性
languagestring(可选)设置的翻译目标语种。
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。
enable_voice_cloneboolean是否启用声音复刻。
voice_clone_optionsobject声音复刻控制参数,仅在enable_voice_clone为true时返回。
属性
frequencystring音色复刻频率。
qwen3.8-livetranslate-flash-realtime
适用于 qwen3.8-livetranslate-flash-realtime。
{
"event_id": "event_example",
"type": "session.updated",
"session": {
"id": "sess_example",
"object": "realtime.session",
"model": "qwen3.8-livetranslate-flash-realtime",
"input_modalities": [
"audio"
],
"output_modalities": [
"text",
"audio"
],
"audio": {
"input": {
"format": {
"type": "pcm",
"sample_rate": 16000
},
"turn_detection": {
"type": "speaker_detection",
"threshold": 0.5,
"silence_duration_ms": 1000
}
},
"output": {
"format": {
"type": "pcm",
"sample_rate": 24000
},
"voice": "Tina"
}
},
"translation": {
"language": "en"
}
}
}
qwen3.5-livetranslate-flash-realtime
qwen3.5-livetranslate-flash-realtime 示例:
{
"event_id": "event_QxBGpjBDmDDQQWDtrqBKB",
"type": "session.updated",
"session": {
"id": "sess_OozZ1vtbPt2muDflHODIH",
"object": "realtime.session",
"model": "qwen3.5-livetranslate-flash-realtime",
"modalities": [
"text",
"audio"
],
"voice": "Ethan",
"sample_rate": 16000,
"input_audio_format": "pcm",
"output_audio_format": "pcm",
"input_audio_transcription": {
"model": "qwen3-asr-flash-realtime",
"language": "zh"
},
"turn_detection": {
"type": "server_vad",
"threshold": 0.2,
"prefix_padding_ms": 300,
"silence_duration_ms": 1000,
"create_response": true,
"interrupt_response": true
},
"translation": {
"language": "en",
"corpus": {
"phrases": {
"人工智能": "Artificial Intelligence",
"机器学习": "Machine Learning"
}
}
},
"enable_voice_clone": true,
"voice_clone_options": {
"frequency": "once"
}
}
}
session.finished
会话结束事件,表示当前会话中,所有音频翻译已完成。
该事件在客户端发送 session.finish 后返回。客户端收到该事件后,如需播放剩余译音,应先完成本地播放,再主动断开连接。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为session.finished。
{
"event_id": "event_xxx",
"type": "session.finished"
}
response.created
当服务端生成新的模型响应时,会返回此事件。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为response.created。
responseobject响应对象。
属性
idstring响应的唯一标识符。
conversation_idstring当前会话的唯一标识符。
objectstring对象类型,此事件下固定为realtime.response。
statusstring响应状态,取值范围:
completed(已完成)failed(失败)in_progress(进行中)incomplete(不完整)
modalitiesarray响应的模态。
voicestring模型生成音频的音色。
output_audio_formatstring输出音频的格式。
outputstring此事件下目前为空。
{
"event_id": "event_L8hHVI5jYis6BzAjnPWJh",
"type": "response.created",
"response": {
"id": "resp_P79OOMs8LnrXVpiIHUCKR",
"object": "realtime.response",
"conversation_id": "conv_UFClXtYkRkFXrs48y8pmK",
"status": "in_progress",
"modalities": [
"text",
"audio"
],
"voice": "Cherry",
"output_audio_format": "pcm16",
"output": []
}
}
response.done
响应生成完成后,服务端会返回此事件。事件中的 response 对象包含除原始音频数据外的全部输出项。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为response.done。
responseobject响应对象。
属性
idstring响应的唯一标识符。
conversation_idstring当前会话的唯一标识符。
objectstring对象类型,此事件下固定为realtime.response。
statusstring响应的状态。
modalitiesarray响应的模态。
voicestring模型生成音频的音色。
output_audio_formatstring输出音频的格式。
outputobject响应的输出。
属性
idstring响应输出的唯一标识符。
typestring输出项的类型,当前固定为message。
objectstring输出项的对象类型,当前固定为realtime.item。
statusstring输出项的状态。
rolestring输出项的角色。
contentarray输出项的内容。
属性
typestring输出内容的类型。输出为纯文本时,为text;输出包含音频时,为audio。
textstring输出的文本内容。
transcriptstring音频转录为文字后的内容。
usageobject会话截至当前响应的累计 Token 用量。每次 response.done 都会返回当前累计值。统计整个会话时,取最后一次的 usage,无需将各次结果相加。
属性
total_tokensinteger输入与输出 Token 总数,即 input_tokens 与 output_tokens 之和。
input_tokensinteger输入 Token 数。
output_tokensinteger输出 Token 数。
input_tokens_detailsobject输入 Token 的分类统计。
属性
text_tokensinteger模型固定系统提示词中的文本 Token 数,不计费。
audio_tokensinteger输入音频 Token 数。
video_tokensinteger输入图片 Token 数,按图片输入计费。
output_tokens_detailsobject输出 Token 的分类统计。
属性
text_tokensinteger输出文本 Token 数。
audio_tokensinteger输出音频 Token 数。
{
"event_id": "event_CNea8oXNipVanSg2VIzkO",
"type": "response.done",
"response": {
"id": "resp_TfhYTqej692vsGA2jNEtH",
"object": "realtime.response",
"conversation_id": "conv_ZtyLfKVm8XqLwYRlsuDih",
"status": "completed",
"modalities": [
"text",
"audio"
],
"voice": "Cherry",
"output_audio_format": "pcm16",
"output": [
{
"id": "item_MKtkMwN9RtcyE9eJShyWy",
"object": "realtime.item",
"type": "message",
"status": "completed",
"role": "assistant",
"content": [
{
"type": "audio",
"transcript": "Hello? "
}
]
}
],
"usage": {
"total_tokens": 56,
"input_tokens": 47,
"output_tokens": 9,
"input_tokens_details": {
"text_tokens": 20,
"audio_tokens": 27
},
"output_tokens_details": {
"text_tokens": 2,
"audio_tokens": 7
}
}
}
}
response.text.delta
适用于 qwen3.8-livetranslate-flash-realtime。 仅输出文本时,返回译文的新增文本片段。
event_idstring事件唯一标识符。
typestringresponse.text.delta。
response_idstring响应 ID。
item_idstring消息 ID。
output_indexinteger输出项索引。
content_indexinteger内容片段索引。
deltastring本次新增的文本片段。按接收顺序累加,不覆盖已收到的文本。
{
"event_id": "event_example",
"type": "response.text.delta",
"response_id": "resp_example",
"item_id": "item_example",
"output_index": 0,
"content_index": 0,
"delta": "Hello"
}
response.text.text
适用于 qwen3.5-livetranslate-flash-realtime 等模型。 使用 qwen3.8-livetranslate-flash-realtime 时,请处理 response.text.delta 事件。
当输出模态仅包含文本,且模型增量生成新的文本时,服务端将返回此事件。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为response.text.text。
textstring返回的增量文本。
response_idstring回复的ID。
item_idstring消息项ID,可以关联同一个消息项。
output_indexinteger目前固定为 0。
content_indexinteger目前固定为 0。
stashstring初步生成的临时文本,与当前 text 拼接后构成临时生成结果;系统会通过 response.text.text 事件持续更新 text 和 stash,直至收到response.text.done事件,此时可通过 text 字段获取完整的最终文本。
{
"event_id": "event_B1lIeyOXR7qJMEExbqtTG",
"type": "response.text.text",
"response_id": "resp_B1lIdtjF4Noqpn5NOjznj",
"item_id": "item_B1lIdJsAJlJiFs8ztWpJt",
"output_index": 0,
"content_index": 0,
"text": "How are",
"stash": " you today?"
}
response.text.done
当输出模态仅包含文本,且模型生成的文本结束时,服务端返回此事件。
当响应中断、不完整或取消时,服务端也会返回此事件。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为response.text.done。
response_idstring响应的唯一标识符。
item_idstring消息项的唯一标识符。
output_indexinteger目前固定为 0。
content_indexinteger目前固定为 0。
textstring模型输出的完整文本。
{
"event_id": "event_B1lIeE2Nac33zn5V7h2mm",
"type": "response.text.done",
"response_id": "resp_B1lIdtjF4Noqpn5NOjznj",
"item_id": "item_B1lIdJsAJlJiFs8ztWpJt",
"output_index": 0,
"content_index": 0,
"text": "How can I assist you today?"
}
response.audio.delta
WebSocket 接入时,当输出模态包含音频,且模型增量生成新的音频数据时,服务端返回此事件。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为response.audio.delta。
response_idstring响应的唯一标识符。
item_idstring消息项唯一标识符。
output_indexinteger目前固定为 0。
content_indexinteger目前固定为 0。
deltastring模型增量输出的音频数据,使用Base64编码。
{
"event_id": "event_B1osWMZBtrEQbiIwW0qHQ",
"type": "response.audio.delta",
"response_id": "resp_P79OOMs8LnrXVpiIHUCKR",
"item_id": "item_OFaPGtzfWCPyGzxnuEX9i",
"output_index": 0,
"content_index": 0,
"delta": "UklGRnoGAABXQVZFZm10IBAAAAAB..."
}
response.audio.done
当输出模态包含音频,且模型生成音频结束时,服务端返回此事件。
当响应中断、不完整或取消时,服务端也会返回此事件。
该事件不返回完整音频数据。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为response.audio.done。
response_idstring响应的唯一标识符。
item_idstring消息项唯一标识符。
output_indexinteger目前固定为 0。
content_indexinteger目前固定为 0。
{
"event_id": "event_B1osWMWoDRYyITDyNYcBu",
"type": "response.audio.done",
"response_id": "resp_P79OOMs8LnrXVpiIHUCKR",
"item_id": "item_OFaPGtzfWCPyGzxnuEX9i",
"output_index": 0,
"content_index": 0
}
input_audio_buffer.speech_started
当服务端 VAD(语音活动检测)检测到用户开始说话时,返回此事件。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为input_audio_buffer.speech_started。
audio_start_msinteger检测到语音开始的时间点(毫秒),相对于音频流开始的偏移量。
item_idstring关联的消息项唯一标识符。
speaker_idinteger适用于 qwen3.8-livetranslate-flash-realtime。启用 speaker_detection 时返回的说话人标识。可通过本事件的 item_id 关联语音识别结果,并通过翻译消息项的 previous_item_id 关联译文。
{
"event_id": "event_xxx",
"type": "input_audio_buffer.speech_started",
"audio_start_ms": 568,
"item_id": "item_xxx"
}
input_audio_buffer.speech_stopped
当服务端 VAD 检测到用户停止说话时,返回此事件,标志本轮语音输入结束。由于翻译响应基于流式语音同步生成,实际的翻译响应可能已经在语音输入过程中开始,无需等待此事件。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为input_audio_buffer.speech_stopped。
audio_end_msinteger检测到语音结束的时间点(毫秒),相对于音频流开始的偏移量。
item_idstring关联的消息项唯一标识符。
{
"event_id": "event_xxx",
"type": "input_audio_buffer.speech_stopped",
"audio_end_ms": 3900,
"item_id": "item_xxx"
}
input_audio_buffer.committed
Manual 模式(turn_detection为null)下,客户端发送input_audio_buffer.commit事件后,服务端返回此事件进行确认,并自动开始生成翻译响应。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为input_audio_buffer.committed。
{
"event_id": "event_xxx",
"type": "input_audio_buffer.committed"
}
input_audio_buffer.cleared
客户端发送input_audio_buffer.clear事件后,服务端返回此事件进行确认,表示已清空缓冲区中尚未提交的音频数据。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为input_audio_buffer.cleared。
{
"event_id": "event_xxx",
"type": "input_audio_buffer.cleared"
}
conversation.item.created
当对话中创建新的消息项时,服务端返回此事件。以下场景会触发此事件:
- 服务端开始生成翻译响应时,创建对应的 assistant 消息项(此时
content为空数组,内容随流式响应逐步填充)。 - Manual 模式下,客户端发送
input_audio_buffer.commit事件后,服务端会额外创建一个对应用户输入音频的消息项(content中包含{"type": "input_audio"})。
对于同一个 VAD 片段,服务端会分别创建语音识别结果和翻译结果消息项。语音识别结果消息项的 item.id 与翻译结果事件的 previous_item_id 相同。客户端可据此关联原文和译文,并同时展示。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为conversation.item.created。
previous_item_idstring前一消息项的唯一标识符。对于翻译结果事件,该值与同一 VAD 片段的语音识别结果消息项 item.id 相同。
itemobject消息项信息。
属性
idstring消息项的唯一标识符。
typestring固定为message。
objectstring固定为realtime.item。
statusstring消息项的状态。
rolestring消息的角色,取值为assistant或user。
contentarray消息的内容。响应刚创建时为空数组,随流式响应逐步填充;Manual 模式下 commit 产生的用户消息项中包含{"type": "input_audio"}。
{
"event_id": "event_xxx",
"type": "conversation.item.created",
"previous_item_id": "item_asr_xxx",
"item": {
"id": "item_translation_xxx",
"object": "realtime.item",
"type": "message",
"status": "in_progress",
"role": "assistant",
"content": []
}
}
conversation.item.input_audio_transcription.delta
适用于 qwen3.8-livetranslate-flash-realtime。 返回输入语音的原文识别增量。
event_idstring事件唯一标识符。
typestringconversation.item.input_audio_transcription.delta。
item_idstring消息 ID。
content_indexinteger内容片段索引。
deltastring本次新增的文本片段。按接收顺序累加,不覆盖已收到的文本。
{
"event_id": "event_example",
"type": "conversation.item.input_audio_transcription.delta",
"item_id": "item_example",
"content_index": 0,
"delta": "Hello"
}
conversation.item.input_audio_transcription.text
适用于 qwen3.5-livetranslate-flash-realtime 等模型。 使用 qwen3.8-livetranslate-flash-realtime 时,请处理 conversation.item.input_audio_transcription.delta 事件。
当配置了input_audio_transcription.model参数时,服务端会流式返回输入音频的语音识别结果(源语言原文)。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为conversation.item.input_audio_transcription.text。
item_idstring消息项唯一标识符。
content_indexinteger目前固定为 0。
textstring已确认的识别文本。
stashstring待确认的识别文本(可能会被后续事件修正)。
languagestring检测到的源语种。
emotionstring被识别音频的情感。支持的情感如下:
surprised:惊讶neutral:平静happy:愉快sad:悲伤disgusted:厌恶angry:愤怒fearful:恐惧
{
"event_id": "event_xxx",
"type": "conversation.item.input_audio_transcription.text",
"item_id": "item_xxx",
"content_index": 0,
"text": "",
"stash": "今天天气真好",
"language": "zh",
"emotion": "neutral"
}
conversation.item.input_audio_transcription.completed
当配置了input_audio_transcription.model参数时,语音识别完成后服务端会返回此事件,包含最终的完整识别结果。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为conversation.item.input_audio_transcription.completed。
item_idstring消息项唯一标识符。
content_indexinteger目前固定为 0。
transcriptstring完整的语音识别结果(源语言原文)。
languagestring检测到的源语种。
emotionstring被识别音频的情感。支持的情感如下:
surprised:惊讶neutral:平静happy:愉快sad:悲伤disgusted:厌恶angry:愤怒fearful:恐惧
{
"event_id": "event_xxx",
"type": "conversation.item.input_audio_transcription.completed",
"item_id": "item_xxx",
"content_index": 0,
"transcript": "今天天气真好,我们一起去公园散步吧。",
"language": "zh",
"emotion": ""
}
conversation.item.input_audio_transcription.failed
当输入了音频但识别失败时,服务端发送该事件。与其他error事件分开处理,便于客户端识别相关的具体项目。
typestring事件类型,固定为conversation.item.input_audio_transcription.failed。
item_idstring关联的对话项 ID。
content_indexinteger包含音频的内容部分的索引。
errorobject属性
codestring错误代码。
messagestring错误消息。
{
"event_id": "event_xxx",
"type": "conversation.item.input_audio_transcription.failed",
"item_id": "item_xxx",
"content_index": 0,
"error": {
"code": "xxx",
"message": "xxx",
"param": "xxx"
}
}
response.audio_transcript.delta
适用于 qwen3.8-livetranslate-flash-realtime。输出文本和音频时,返回译文的新增文本片段。
event_idstring事件唯一标识符。
typestringresponse.audio_transcript.delta。
response_idstring响应 ID。
item_idstring消息 ID。
output_indexinteger输出项索引。
content_indexinteger内容片段索引。
deltastring本次新增的文本片段。按接收顺序累加,不覆盖已收到的文本。
{
"event_id": "event_example",
"type": "response.audio_transcript.delta",
"response_id": "resp_example",
"item_id": "item_example",
"output_index": 0,
"content_index": 0,
"delta": "Hello"
}
response.audio_transcript.text
适用于 qwen3.5-livetranslate-flash-realtime 等模型。 使用 qwen3.8-livetranslate-flash-realtime 时,请处理 response.audio_transcript.delta 事件。
当输出模态包含音频时,服务端可能返回此事件,用于展示实时翻译内容。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为response.audio_transcript.text。
response_idstring响应的唯一标识符。
item_idstring消息项唯一标识符。
output_indexinteger目前固定为 0。
content_indexinteger目前固定为 0。
textstring已确认无误的翻译文本片段。
stashstring初步翻译的临时文本,与当前 text 拼接后构成临时翻译结果;系统会通过 response.audio_transcript.text 事件持续更新 text 和 stash,直至收到response.audio_transcript.done事件,此时可通过 transcript 字段获取完整的最终翻译文本。
{
"event_id": "event_xxx",
"type": "response.audio_transcript.text",
"response_id": "resp_xxx",
"item_id": "item_xxx",
"output_index": 0,
"content_index": 0,
"text": "Hello,",
"stash": " who are you?"
}
response.audio_transcript.done
当输出模态包含音频,且模型生成文本结束时,服务端返回此事件。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为response.audio_transcript.done。
response_idstring响应的唯一标识符。
item_idstring消息项唯一标识符。
output_indexinteger目前固定为 0。
content_indexinteger目前固定为 0。
transcriptstring完整文本。
{
"event_id": "event_VN4Q4GJugLcc1S23viW8E",
"type": "response.audio_transcript.done",
"response_id": "resp_P79OOMs8LnrXVpiIHUCKR",
"item_id": "item_JvJauNH2CTXb1D9WV6pD4",
"output_index": 0,
"content_index": 0,
"transcript": "How can I assist you today?"
}
response.output_item.added
在响应生成过程中创建新输出项时,服务端返回此事件。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为response.output_item.added。
response_idstring响应的唯一标识符。
output_indexinteger目前固定为 0。
itemobject输出项信息。
属性
idstring输出项的唯一标识符。
typestring固定为 message。
objectstring始终为 realtime.item 。
statusstring输出项的状态。
rolestring消息的角色。
contentstring消息的内容。
{
"event_id": "event_B4O5yPt3Gjnjy5eYH3plG",
"type": "response.output_item.added",
"response_id": "resp_P79OOMs8LnrXVpiIHUCKR",
"output_index": 0,
"item": {
"id": "item_OFaPGtzfWCPyGzxnuEX9i",
"object": "realtime.item",
"type": "message",
"status": "in_progress",
"role": "assistant",
"content": []
}
}
response.output_item.done
当新的项输出完成时,服务端返回此事件。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为response.output_item.done。
response_idstring响应的唯一标识符。
output_indexinteger目前固定为 0。
itemobject输出项信息。
属性
idstring输出项的唯一标识符。
objectstring始终为 realtime.item 。
typestring固定为 message。
statusstring输出项的状态。
rolestring发送消息的角色。
contentstring消息的内容。
{
"event_id": "event_XkiwbYTBC9Wcdwy6uYJ2G",
"type": "response.output_item.done",
"response_id": "resp_P79OOMs8LnrXVpiIHUCKR",
"output_index": 0,
"item": {
"id": "item_JvJauNH2CTXb1D9WV6pD4",
"object": "realtime.item",
"type": "message",
"status": "completed",
"role": "assistant",
"content": [
{
"type": "audio",
"text": "你好,我是阿里云研发的大规模语言模型,我叫千问。有什么我可以帮助你的吗?"
}
]
}
}
response.content_part.added
当新的内容部分输出时,服务端返回此事件。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为response.content_part.added。
response_idstring响应的唯一标识符。
item_idstring消息项唯一标识符。
output_indexinteger目前固定为 0。
content_indexinteger目前固定为 0。
partobject输出项信息。
属性
typestring内容部分的类型。
textstring内容部分的文本。
{
"event_id": "event_J2UixwYKZsXg7c9YXZetL",
"type": "response.content_part.added",
"response_id": "resp_P79OOMs8LnrXVpiIHUCKR",
"item_id": "item_OFaPGtzfWCPyGzxnuEX9i",
"output_index": 0,
"content_index": 0,
"part": {
"type": "audio",
"text": ""
}
}
response.content_part.done
当新的内容部分输出完成时,服务端返回此事件。
event_idstring本次事件唯一标识符。
typestring事件类型,固定为response.content_part.done。
response_idstring响应的唯一标识符。
item_idstring消息项唯一标识符。
output_indexinteger目前固定为 0。
content_indexinteger目前固定为 0。
partobject输出项信息。
属性
typestring内容部分的类型。
textstring内容部分的文本。
{
"event_id": "event_VN4Q4GJugLcc1S23viW8E",
"type": "response.content_part.done",
"response_id": "resp_P79OOMs8LnrXVpiIHUCKR",
"item_id": "item_JvJauNH2CTXb1D9WV6pD4",
"output_index": 0,
"content_index": 0,
"part": {
"type": "audio",
"text": "你好,我是阿里云研发的大规模语言模型,我叫千问。有什么我可以帮助你的吗?"
}
}