Este directorio proporciona las referencias de la API de Qwen-Audio-Realtime. Los modelos aplicables son
La siguiente comparación describe las características generales de los protocolos. Los tipos de datos de la tabla indican lo que cada protocolo puede transmitir; las entradas y salidas que admite cada modelo dependen de la documentación de conexión. La dificultad de integración, el rendimiento en redes inestables y la velocidad de conexión son referencias cualitativas; la experiencia real depende de las condiciones de red, los dispositivos y la implementación.
Los navegadores admiten WebSocket de forma nativa, pero el acceso al modelo debe cumplir los requisitos de autenticación. No almacene API Keys de larga duración en navegadores ni dispositivos móviles.
AOQ (AI over QUIC) Client SDK proporciona SDK para Android, iOS, HarmonyOS, Windows, macOS, Electron y Linux. Para consultar las descargas y las API de cada plataforma, consulte Conexión mediante AOQ.
Los tres protocolos se pueden usar con Token Plan. Los modelos y las regiones disponibles dependen de las especificaciones de Token Plan Personal Edition y Team Edition.
qwen-audio-3.1-realtime-plus, qwen-audio-3.1-realtime-flash, qwen-audio-3.0-realtime-plus y qwen-audio-3.0-realtime-flash. Estos modelos admiten WebSocket, WebRTC y AOQ. La aplicabilidad de las modalidades de medios y los campos de eventos se determina en las referencias de conexión y eventos correspondientes.
Selección del protocolo
La siguiente comparación describe las características generales de los protocolos. Los tipos de datos de la tabla indican lo que cada protocolo puede transmitir; las entradas y salidas que admite cada modelo dependen de la documentación de conexión. La dificultad de integración, el rendimiento en redes inestables y la velocidad de conexión son referencias cualitativas; la experiencia real depende de las condiciones de red, los dispositivos y la implementación.
| Dimensión | Conexión mediante WebSocket | Conexión mediante WebRTC | Conexión mediante AOQ |
|---|---|---|---|
| Casos de uso | Integración del lado del servidor y validación rápida de prototipos | Interacción del lado del navegador y llamadas tradicionales de audio y video | Interacción multimodal de IA en tiempo real, escenarios de red inestable y transmisión de datos híbridos |
| Compatibilidad con navegadores | Compatibilidad nativa | Compatibilidad nativa | No compatible |
| Esfuerzo de integración | Muy baja | Moderada | Baja |
| Resiliencia ante redes inestables | Mala | Buena | Excelente |
| Datos que transmite el protocolo | Texto, audio, imagen | Audio/video, texto | Audio/video, texto |
| Velocidad de conexión | Lenta | Lenta | Rápida |
| Cancelación de eco y reducción de ruido | Se maneja en el cliente | Integrado | Integrado |
| Adaptación a escenarios de IA | Básico, adecuado para escenarios de solo texto o con pocos requisitos de tiempo real | Diseño tradicional; los escenarios de IA requieren adaptación adicional | Adaptado de forma nativa a las características de los datos multimodales de IA |
| Plataformas del cliente | Se admiten entornos compatibles con WebSocket | Navegadores y dispositivos móviles | Android, iOS y HarmonyOS; las demás versiones del SDK se enumeran en la página de conexión |