qwen3.5-livetranslate-flash-realtime est un modèle de traduction en temps réel enrichi par la vision, compatible avec 60 langues (29 avec sortie audio et texte, 31 en texte uniquement). Il traite les entrées audio et image provenant de flux vidéo ou de fichiers locaux, exploite le contexte visuel pour améliorer la précision et génère du texte et de l'audio traduits en temps réel.
Essayez une démo en ligne avec le déploiement en un clic via Function Compute .
Fonctionnalités
- Prise en charge multilingue : traduction entre 60 langues — 29 avec sortie audio et texte, 31 en texte uniquement — dont le chinois, l'anglais, le français, l'allemand, le russe, le japonais, le coréen, l'espagnol, le portugais et l'arabe.
- Enrichissement visuel : analyse des indices visuels tels que les mouvements des lèvres, les gestes et le texte à l'écran afin d'améliorer la précision de la traduction, particulièrement dans les environnements bruyants ou pour les mots ambigus.
- Latence de 2,3 secondes : interprétation simultanée avec une latence pouvant descendre à 2,3 secondes.
- Séparation des locuteurs en temps réel : distingue les locuteurs et leurs propos lorsque plusieurs personnes parlent à tour de rôle, afin de savoir qui a dit quoi.
- Interprétation simultanée sans perte : prédiction des unités sémantiques pour résoudre les différences d'ordre des mots entre les langues, offrant une qualité comparable à la traduction hors ligne.
- Voix naturelle : reproduction automatique de l'intonation et de l'émotion de l'audio source.
- Configuration des mots-clés prioritaires : des mots-clés configurables améliorent la précision de la traduction pour des termes spécifiques.
- Clonage vocal : clonage de la voix du locuteur pour la sortie traduite. Prise en charge du clonage en temps réel et des profils vocaux pré-clonés.
Procédure
1. Configurer la connexion
Pour une connexion via WebSocket, utilisez les paramètres suivants :
Les connexions AOQ, WebRTC et WebSocket sont prises en charge. Pour une intégration côté client donnant la priorité à une latence stable, aux interactions sur réseau dégradé et à la réduction du bruit et de l’écho en communication duplex intégral en temps réel, envisagez d’abord AOQ. Pour comparer les protocoles et choisir, consultez la Référence de l’API.
| Paramètre | Description |
|---|---|
| endpoint | Région Chine (Pékin) : wss://WorkspaceId.cn-beijing.maas.aliyuncs.com/api-ws/v1/realtime. Remplacez WorkspaceId par votre ID d'espace de travail réel.Région Singapour : wss://WorkspaceId.ap-southeast-1.maas.aliyuncs.com/api-ws/v1/realtime.Remplacez WorkspaceId par votre ID d'espace de travail réel. |
| query parameter | Définissez le paramètre de requête du modèle sur le nom du modèle. Exemple : ?model=qwen3.8-livetranslate-flash-realtime |
| message header | Utilisez un Bearer Token pour l'authentification : Authorization: Bearer DASHSCOPE_API_KEYDASHSCOPE_API_KEY correspond à votre clé API obtenue auprès de Model Studio. |
2. Configurer la langue, la modalité et la voix
Envoyez session.update, puis attendez session.updated avant l’audio.
-
Langue cible : configurez
session.translation.language, avecen(anglais) par défaut. Voir les langues. Avecqwen3.8-livetranslate-flash-realtime, la langue source est détectée automatiquement.Avecqwen3.5-livetranslate-flash-realtime, définissezsession.input_audio_transcription.languagepour indiquer la langue source, ou omettez ce champ pour la détection automatique. -
Sortie : avec
qwen3.8-livetranslate-flash-realtime, configurezsession.output_modalitiessur["text"]pour le texte uniquement ou["text", "audio"]pour le texte et la parole (par défaut). Une langue cible en texte uniquement exige["text"].Avecqwen3.5-livetranslate-flash-realtime, utilisezsession.modalities. Les valeurs possibles et la valeur par défaut sont identiques. -
Transcription source : avec
qwen3.8-livetranslate-flash-realtime, elle est toujours activée et ne peut pas être désactivée. La transcription dans la langue source est générée par le modèle LiveTranslate lui-même. Les informations pertinentes dans les images peuvent aider à lever les ambiguïtés de la parole source. Recevez les incréments viaconversation.item.input_audio_transcription.deltaet le résultat complet viaconversation.item.input_audio_transcription.completed.Avecqwen3.5-livetranslate-flash-realtime, elle est activée par défaut. Un modèle ASR distinct transcrit l'audio d'entrée. Définissezsession.input_audio_transcription.modelsurqwen3-asr-flash-realtimepour l’activer ou surnullpour la désactiver. Les incréments sont renvoyés parconversation.item.input_audio_transcription.textet le résultat complet parconversation.item.input_audio_transcription.completed. -
Audio et voix : avec
qwen3.8-livetranslate-flash-realtime, les valeurs par défaut sont une entrée PCM à 16000 Hz, une sortie PCM à 24000 Hz et la voixTina. Pour transmettre de l'audio Opus, définissezsession.audio.input.format.typesuropus. Consultezsession.audio.output.voicedans session.created pour connaître la voix. Pour conserver celle du locuteur, voir Clonage vocal.Avecqwen3.5-livetranslate-flash-realtime, configurez l’audio avecsession.sample_rate,session.input_audio_formatetsession.output_audio_format, et la voix avecsession.voice. La voix par défaut est égalementTina. -
Mots-clés : configurez
session.translation.corpus.phrasespour les marques et les traductions imposées. Voir la configuration.Il est recommandé de ne pas dépasser 1 000 mots-clés.
3. Entrée audio et images
Envoyez des données audio et image encodées en Base64 à l'aide des événements input_audio_buffer.append et input_image_buffer.append. L'entrée audio est obligatoire ; l'entrée image est facultative.
Les images peuvent provenir d'un fichier local ou être capturées en temps réel depuis un flux vidéo.Avec
qwen3.8-livetranslate-flash-realtime, la valeur par défaut est session.audio.input.turn_detection.type = speaker_detection. Envoyez l’audio en continu ; le serveur détecte les limites des énoncés et génère les traductions sans validation manuelle de chaque énoncé. Consultez Identifier les locuteurs pour la configuration et les identifiants de locuteur.
qwen3.5-livetranslate-flash-realtime : modes VAD et Manual
qwen3.5-livetranslate-flash-realtime : modes VAD et Manual
- Mode VAD (par défaut) : le client envoie en continu des événements input_audio_buffer.append. Lorsque le serveur détecte le début ou la fin de la parole, il retourne respectivement les événements
input_audio_buffer.speech_startedetinput_audio_buffer.speech_stopped, valide automatiquement le tampon audio et déclenche la traduction. Les réponses de traduction sont générées de manière synchrone avec le flux audio et commencent généralement pendant l'entrée audio, sans attendre la fin de la parole. - Mode manuel : définissez
session.turn_detectionsurnull. Une fois que le client a terminé d'envoyer un énoncé complet, il envoie un événement input_audio_buffer.commit pour valider le tampon audio. Après que le serveur a retourné un événementinput_audio_buffer.committedpour confirmation, il commence automatiquement à générer la réponse de traduction ; le client n'a pas besoin d'envoyer d'autre événement pour déclencher la réponse. Pour effacer l'audio non validé avant la validation, envoyez un événement input_audio_buffer.clear.
4. Recevoir la réponse du modèle
Avec qwen3.8-livetranslate-flash-realtime, recevez les réponses selon les modalités de sortie :
- Source : cumulez
conversation.item.input_audio_transcription.delta; récupérez le texte complet avecconversation.item.input_audio_transcription.completed. - Traduction : utilisez
response.text.deltaen texte uniquement ouresponse.audio_transcript.deltaen texte et audio. Cumulez lesdeltade chaque message dans l’ordre reçu, sans écraser le texte précédent. - Parole : décodez le champ
deltaderesponse.audio.deltadepuis Base64, puis lisez ou enregistrez les blocs dans l’ordre.
response.done termine une réponse de traduction ; vérifiez response.status pour connaître le résultat de la génération. La session reste ouverte pour recevoir de l’audio.
qwen3.5-livetranslate-flash-realtime : différences entre les événements de réponse
qwen3.5-livetranslate-flash-realtime : différences entre les événements de réponse
-
Sortie des résultats de reconnaissance de la langue source
Définissez
session.input_audio_transcription.modelsurqwen3-asr-flash-realtime. Le serveur retourne alors à la fois la traduction et le résultat de la reconnaissance vocale (texte original) pour l'audio d'entrée. Le serveur retourne les événements suivants :conversation.item.input_audio_transcription.text: diffuse les résultats de reconnaissance en flux continu.conversation.item.input_audio_transcription.completed: retourne le résultat final une fois la reconnaissance terminée.conversation.item.input_audio_transcription.failed: retourne les informations d'erreur en cas d'échec de la reconnaissance.
-
Sortie texte uniquement
Le serveur diffuse le texte traduit incrémentiel (incluant le texte confirmé et le texte prédit provisoire) via des événements response.text.text ; une fois terminé, le texte traduit complet est retourné dans un événement response.text.done.
stashcontient une traduction provisoire. Il permet d'afficher les sous-titres plus tôt, mais les événements suivants peuvent le réécrire. Selon les besoins de l'application, affichez dans le client la concaténation detextetstash, ou uniquement le texte confirmé detext. Utilisezitem_idpour mettre à jour le sous-titre correspondant, puis affichez la traduction complète à la réception deresponse.text.done. -
Sortie texte et audio
- Texte Le serveur diffuse le texte traduit incrémentiel via des événements response.audio_transcript.text ; une fois terminé, le texte traduit complet est retourné dans un événement response.audio_transcript.done.
- Audio Le serveur retourne des données audio incrémentielles encodées en Base64 dans des événements response.audio.delta.
conversation.item.created de la traduction. item.id est l’ID de la traduction. Le champ previous_item_id à la racine de l’événement est l’ID du texte source correspondant.
Le texte source ou sa traduction peut arriver en premier. Conservez les résultats séparément, associez-les grâce à cette correspondance, puis mettez à jour chaque sous-titre avec son propre item_id. Consultez Association du texte source et de la traduction pour la définition des champs.
5. Terminer la session
Après avoir envoyé tout l'audio, envoyez un événement session.finish, puis attendez que le serveur retourne un événement session.finished avant de fermer la connexion WebSocket.
Si vous fermez la connexion WebSocket sans envoyer session.finish, le VAD du serveur ne peut pas détecter la fin du dernier segment de parole. Cela entraîne la perte totale des résultats de traduction pour ce segment, et la connexion peut rester bloquée indéfiniment. Envoyez toujours cet événement avant de vous déconnecter.
Modèles pris en charge
Modèles recommandés
| Modèle | Version | Fenêtre de contexte | Entrée max. | Sortie max. |
|---|---|---|---|---|
| (tokens) | ||||
| qwen3.8-livetranslate-flash-realtime | Stable | 53,248 | 49,152 | 4,096 |
qwen3.5-livetranslate-flash-realtimeAlias pour qwen3.5-livetranslate-flash-realtime-2026-05-19 | Stable | 53 248 | 49 152 | 4 096 |
| qwen3.5-livetranslate-flash-realtime-2026-05-19 | Snapshot | |||
Premiers pas
Traduire le microphone en temps réel
-
Utilisez Python 3.10 ou ultérieur et installez
pyaudio:Installez la dépendance WebSocket :- macOS
- Debian/Ubuntu
- CentOS
- Windows
pip install websocket-client. -
Définissez la variable d’environnement ci-dessous. La clé API et l’espace de travail doivent appartenir à la région de l’URL de connexion :
DASHSCOPE_API_KEY: Clé API de la région et de l’espace de travail. Voir Obtenir une clé API.
WorkspaceIddans le code ci-dessous. -
Enregistrez le code ci-dessous dans
livetranslate_client.py, exécutezpython livetranslate_client.py, puis parlez dans le microphone.
qwen3.8-livetranslate-flash-realtime pour traduire le microphone en anglais, afficher le texte et lire la parole traduite en temps réel. L’entrée est du PCM mono, 16 bits, 16000 Hz ; la lecture est du PCM mono, 16 bits, 24000 Hz. Appuyez sur Ctrl+C pour arrêter l’enregistrement. L’exemple envoie session.finish, reçoit et lit les derniers résultats, puis ferme la connexion après session.finished. Utilisez un casque pour éviter que la parole traduite soit enregistrée à nouveau.
Configurer les mots-clés prioritaires
L'ajout de mots-clés prioritaires peut améliorer la précision de la traduction lorsqu'une formulation fixe est requise ou qu'il faut distinguer des homophones. Par exemple :
- Formulation fixe : le slogan d'Alibaba Cloud « Calculer pour une valeur incalculable. » a pour formulation anglaise convenue « Computing, for the value beyond computation. ». Les mots et leur ordre doivent être conservés.
- Noms de marque homophones : Qoder se prononce comme le mot anglais courant coder. Si l'orateur désigne le produit Qoder, la traduction doit conserver l'orthographe de la marque.
| Contenu de l'audio d'entrée | Sans mots-clés prioritaires | Avec mots-clés prioritaires |
|---|---|---|
| Calculer pour une valeur incalculable. | Calculated for an incalculable value. | Computing, for the value beyond computation. |
| Qoder est une plateforme agentique pour le travail réel. | Kode is an agentic platform for real-world work. | Qoder is an agentic platform for real-world work. |
Configuration
Configurez session.translation.corpus.phrases avec des paires clé-valeur associant les mots ou expressions de la langue source à leur traduction souhaitée.
Dans la première requête session.update de la section Premiers pas, intégrez l'objet translation ci-dessous à l'objet session existant. Conservez la modalité de sortie, la voix et les autres réglages de la session.
session.updated du serveur avant d'envoyer des événements input_audio_buffer.append.
Identifier les locuteurs
qwen3.8-livetranslate-flash-realtime peut identifier les différents locuteurs et les désigner par speaker_id. Associez cet identifiant aux textes source et traduit pour afficher les sous-titres par locuteur.
Conservez speaker_detection par défaut ou configurez-le explicitement dans session.update. threshold sert à distinguer le silence de la parole valide. Les sons en dessous du seuil sont filtrés et ne sont pas transmis au modèle. Ce seuil est fixé à 0.5.
- Enregistrez
speaker_idet l’item_idsource deinput_audio_buffer.speech_started. - Lisez la source du même
item_iddansconversation.item.input_audio_transcription.delta. - Dans
conversation.item.createdde la traduction, associezitem.idauprevious_item_idsitué au niveau supérieur de l’événement. - Avec l’
item_idde chaque incrément traduit, retrouvez la source et le locuteur pour actualiser le sous-titre.
def receive_translation():. Dans cette fonction, appelez handle_speaker_event(event) juste après event = receive() et remplacez le print(event["delta"], end="", flush=True) d’origine par pass pour confier toute la sortie des sous-titres au fragment ci-dessous. Le fragment affiche l’identifiant, la source et la traduction à chaque mise à jour, pour afficher les sous-titres par locuteur. Conservez le traitement audio et la fin de session.
Améliorer la traduction avec des images
Les modèles Qwen de traduction en temps réel prennent en charge les images pour lever les ambiguïtés des homonymes et reconnaître les noms propres peu courants lors de la traduction. N’envoyez pas plus de 2 images par seconde.
Téléchargez les exemples d'images suivants : medical mask.png, masquerade mask.png
Réutilisez le microphone et la connexion des premiers pas :
- Installez
Pillow:pip install Pillow. - Définissez
translation.languagesurfr, puis dites « What is mask? » dans le microphone lors de l’exécution. - Dans l’exemple avec microphone, placez le chargement d’image ci-dessous avant
def send_audio():et remplacezsend_audio()par cette version. Elle réutiliseinput_stream,stop_recording,ws,send_errorset les imports existants.
Ctrl+C, l’exemple arrête l’enregistrement, demande la fin de session et reçoit les derniers résultats.
Clonage vocal
Le modèle clone la voix du locuteur à partir de l'audio d'entrée et l'utilise pour la sortie traduite. Utilisez un profil vocal pré-cloné ou laissez le serveur effectuer le clonage en temps réel. Cette fonctionnalité est utile pour l'interprétation de conférence, le streaming en direct et le doublage vidéo.
Clonage en temps réel : avec qwen3.8-livetranslate-flash-realtime comme avec qwen3.5-livetranslate-flash-realtime, le clonage de la voix à partir de l’audio pendant la traduction ne comporte aucun frais de clonage supplémentaire. Les appels au modèle restent facturés selon les tokens utilisés.
Créer une voix à l’avance : utilisez l’API de clonage de voix pour créer une voix à l’avance. Le coût est de $0.01 par voix. Les demandes de création échouées ne sont pas facturées. Pour les régions, le nombre d’utilisations et la durée de validité du quota gratuit, consultez Facturation. La traduction avec une voix créée reste facturée selon la consommation de tokens du modèle.
Définissez les paramètres suivants dans session.update pour activer le clonage vocal :
-
session.enable_voice_clone: définissez surtruepour activer le clonage vocal. -
session.voice_clone_options.frequency: contrôle le moment où le clonage vocal se produit. Valeurs acceptées :never: utilisez une voix créée au préalable, sans nouvelle extraction pendant cette session. Définissezsession.voicesur votre ID de voix clonée.once: extrayez la voix une fois au début de la session, puis réutilisez-la pour les traductions suivantes de cette session. « Une fois » désigne l’extraction, pas une unique sortie audio. Adapté aux présentations avec un seul locuteur ; définissezsession.voicesurdefault.always: extrayez la voix avant chaque réponse audio traduite pour suivre les changements de locuteur. Adapté aux conversations à plusieurs ; définissezsession.voicesurdefault.
-
session.voice: spécifie la voix de sortie. La valeur dépend du paramètrefrequency:- Définir sur
default: à utiliser lorsquefrequencyest défini suronceoualways. Clone la voix du locuteur à partir de l'audio d'entrée. Une voix par défaut est utilisée jusqu'à la fin du clonage.- Définissez un ID de voix clonée personnalisée, par exemple
qwen-translate-vc-xxx-yyy-zzz, avecfrequencydéfini surnever. Préparez la voix à l’avance avec l’API de clonage de voix, en définissanttarget_modelsur le modèle de traduction utilisé.
- Définissez un ID de voix clonée personnalisée, par exemple
- Définir sur
Lorsquefrequencyest défini suronceoualways, le paramètrevoicedoit être défini surdefault. Toute autre valeur entraîne le retour d'une erreur par le serveur.
Exemples de configuration du clonage vocal
Avec qwen3.8-livetranslate-flash-realtime, remplacez la configuration session.update de l’exemple de ce modèle dans le démarrage rapide par celle adaptée à votre scénario.
qwen3.5-livetranslate-flash-realtime, remplacez session.output_modalities par session.modalities dans les exemples. Les autres paramètres de clonage sont identiques. Indiquez ce modèle dans le paramètre de connexion model et traitez ses événements de réponse comme décrit dans Recevoir les réponses du modèle.Déploiement en un clic sur Function Compute
Pour déployer l'application :
- Ouvrez le modèle Function Compute, saisissez votre clé API, puis cliquez sur Create and Deploy Default Environment pour tester l'application.
- Patientez environ une minute. Dans Environment Details > Environment Context, récupérez l'endpoint, changez le protocole de http à https (par exemple, https://qwen-livetranslate-flash-realtime-intl.fcv3.xxx.ap-southeast-1.fc.devsapp.net/), et ouvrez l'URL dans un navigateur pour interagir avec le modèle.
Si vous êtes invité à configurer les autorisations Resource Access Management, suivez les instructions à l'écran.
Pour consulter le code source du projet, accédez à Resource Information > Function Resources .
Function Compute et Model Studio offrent tous deux un quota gratuit pour les nouveaux utilisateurs, suffisant pour le débogage de base. Une fois le quota gratuit épuisé, la facturation au paiement à l'utilisation s'applique.
Flux d'interaction
Voici les principales étapes d’interaction avec qwen3.8-livetranslate-flash-realtime :
| Étape | Client | Serveur |
|---|---|---|
| Connexion | URL et authentification | session.created |
| Configuration | session.update | session.updated, ou error |
| Entrée | input_audio_buffer.append en continu ; images facultatives | Identifiants de locuteur et transcription source |
| Réception | Cumuler le texte, décoder l’audio | Incréments ; response.done termine une réponse |
| Fin | Arrêter l’entrée, envoyer session.finish, continuer la réception | session.finished ; fermer puis terminer la lecture audio |
qwen3.5-livetranslate-flash-realtime : flux d’interaction
qwen3.5-livetranslate-flash-realtime : flux d’interaction
| Cycle de vie | Événement client | Événement serveur |
|---|---|---|
| Initialisation de la session | session.updateConfiguration de la session | session.createdSession crééesession.updated Configuration de la session mise à jour |
| Entrée audio utilisateur | input_audio_buffer.appendAjout d'audio au tamponinput_image_buffer.append Ajout d'image au tamponinput_audio_buffer.commit (Mode manuel uniquement) Validation du tampon audio | Mode VAD :input_audio_buffer.speech_startedDébut de parole détectéinput_audio_buffer.speech_stopped Fin de parole détectée ; le serveur valide automatiquement le tampon audioMode manuel :input_audio_buffer.committed Retourné après l'envoi de input_audio_buffer.commit par le client, confirmant la validation du tampon audio |
| Sortie audio serveur | Aucun | response.createdSignale que le serveur commence à générer une réponse.response.output_item.added Signale qu'un nouvel élément de sortie est disponible.conversation.item.created Un nouvel élément de message est créé dans la conversation.response.content_part.added Signale qu'une nouvelle partie de contenu a été ajoutée au message de l'assistant.response.text.text Texte traduit incrémentiel en modalité texte uniquementresponse.audio_transcript.text Texte traduit incrémentiel en modalité audio+texteresponse.audio.delta Contient un fragment incrémentiel de l'audio synthétisé.response.text.done Texte de traduction terminé en modalité texte uniquementresponse.audio_transcript.done Texte de traduction terminé en modalité audio+texteresponse.audio.done Signale que l'audio synthétisé est terminé.response.content_part.done Signale qu'une partie de contenu texte ou audio du message de l'assistant est terminée.response.output_item.done Signale que l'ensemble de l'élément de sortie du message de l'assistant est terminé.response.done Signale que l'ensemble de la réponse est terminé. |
| Clôture de la session | session.finishNotifie au serveur que l'entrée audio est terminée | session.finishedTraitement serveur terminé ; session clôturée |
session.finish et attendez session.finished avant de fermer la connexion WebSocket. Si vous fermez la connexion sans envoyer session.finish, le serveur ne peut pas savoir que l'entrée audio est terminée, et les résultats de reconnaissance et de traduction du dernier segment de parole seront perdus.
API
Pour le déroulement de la connexion AOQ et les exemples, consultez Connexion AOQ. Pour le choix du protocole et les liens de référence, consultez la Référence de l’API.
Facturation
Qwen3.8-LiveTranslate-Flash-Realtime / Qwen3.5-LiveTranslate-Flash-Realtime
-
Audio : 7 tokens par seconde d'audio d'entrée ; 12,5 tokens par seconde d'audio de sortie.
Avec la détection vocale côté serveur, la durée d’audio d’entrée est celle de l’audio transmis au modèle après filtrage. Les silences supprimés par ce filtrage sont exclus de cette durée. Consultez le nombre réel de tokens audio d’entrée dans
response.usage.input_tokens_details.audio_tokensde l’événementresponse.done. - Image : chaque bloc de 32×32 pixels consomme 0,5 token.
qwen3.8-livetranslate-flash-realtime comme avec qwen3.5-livetranslate-flash-realtime, le clonage de la voix à partir de l’audio pendant la traduction ne comporte aucun frais de clonage supplémentaire. Les appels au modèle restent facturés selon les tokens utilisés.
Créer une voix à l’avance : utilisez l’API de clonage de voix pour créer une voix à l’avance. Le coût est de $0.01 par voix. Les demandes de création échouées ne sont pas facturées. Pour les régions, le nombre d’utilisations et la durée de validité du quota gratuit, consultez Facturation. La traduction avec une voix créée reste facturée selon la consommation de tokens du modèle.
Langues prises en charge
Utilisez les codes de langue suivants pour spécifier les langues source et cible.
Certaines langues cibles ne prennent en charge que le texte.
Code de langue | Langue | Sortie |
|---|---|---|
zh | Chinois | Audio + texte |
en | Anglais | Audio + texte |
ar | Arabe | Audio + texte |
de | Allemand | Audio + texte |
fr | Français | Audio + texte |
es | Espagnol | Audio + texte |
pt | Portugais | Audio + texte |
id | Indonésien | Audio + texte |
it | Italien | Audio + texte |
ko | Coréen | Audio + texte |
ru | Russe | Audio + texte |
th | Thaï | Audio + texte |
vi | Vietnamien | Audio + texte |
ja | Japonais | Audio + texte |
tr | Turc | Audio + texte |
hi | Hindi | Audio + texte |
ms | Malais | Audio + texte |
nl | Néerlandais | Audio + texte |
ur | Ourdou | Audio + texte |
nb | Norvégien bokmål | Audio + texte |
sv | Suédois | Audio + texte |
da | Danois | Audio + texte |
he | Hébreu | Audio + texte |
fi | Finnois | Audio + texte |
pl | Polonais | Audio + texte |
is | Islandais | Audio + texte |
cs | Tchèque | Audio + texte |
fil | Filipino | Audio + texte |
fa | Persan | Audio + texte |
yue | Cantonais | Texte |
el | Grec | Texte |
af | Afrikaans | Texte |
ast | Asturien | Texte |
be | Biélorusse | Texte |
bg | Bulgare | Texte |
bn | Bengali | Texte |
bs | Bosniaque | Texte |
ca | Catalan | Texte |
ceb | Cebuano | Texte |
et | Estonien | Texte |
gl | Galicien | Texte |
gu | Gujarati | Texte |
hr | Croate | Texte |
hu | Hongrois | Texte |
jv | Javanais | Texte |
kk | Kazakh | Texte |
kn | Kannada | Texte |
ky | Kirghize | Texte |
lv | Letton | Texte |
mk | Macédonien | Texte |
ml | Malayalam | Texte |
mr | Marathi | Texte |
pa | Pendjabi | Texte |
ro | Roumain | Texte |
sk | Slovaque | Texte |
sl | Slovène | Texte |
sw | Swahili | Texte |
tg | Tadjik | Texte |
az | Azerbaïdjanais | Texte |
uk | Ukrainien | Texte |
Voix prises en charge
Pour consulter les voix prises en charge et les valeurs correspondantes du paramètre voice, reportez-vous à la Liste des voix.
Questions fréquentes
La connexion est-elle facturée si personne ne parle ?
Le fait de garder la connexion ouverte n'est pas facturé. La prise en compte du silence envoyé dans l'entrée audio dépend du mode utilisé :
- Détection vocale côté serveur : Le silence filtré n'est pas comptabilisé comme entrée audio.
- Mode Manual : Le silence explicitement validé par le client est comptabilisé comme entrée audio.
response → usage → input_tokens_details → audio_tokens. Le modèle est facturé selon les jetons d'entrée et de sortie. Consultez Facturation pour les tarifs et le calcul.
Comment migrer de Gummy vers LiveTranslate ?
gummy-realtime-v1 et qwen3.8-livetranslate-flash-realtime utilisent des protocoles différents. Outre le nom du modèle, modifiez le code qui ouvre la connexion, envoie le son, reçoit les traductions et termine la session.
Cet exemple utilise le SDK Python pour afficher des sous-titres en anglais. Conservez votre audio PCM mono 16 bits à 16 kHz et modifiez ces quatre appels.
Étape | Gummy | LiveTranslate |
|---|---|---|
Connexion et configuration |
|
Configurez la session après la connexion. Attendez |
Envoi audio |
|
|
Affichage des sous-titres |
|
Ajoutez le contenu de chaque champ |
Fin de session |
|
Continuez à recevoir les sous-titres et fermez la connexion après |
Exemple Python : traduire un enregistrement en sous-titres anglais
Exemple Python : traduire un enregistrement en sous-titres anglais
audioéfinissez DASHSCOPE_API_KEY et DASHSCOPE_WORKSPACE avec la clé API et l’identifiant de l’espace de travail de la région de Pékin. Enregistrez le code dans subtitles.py et exécutez python subtitles.py input.wav avec un fichier WAV PCM mono 16 bits à 16 kHz.- Adresse : remplacez
/api-ws/v1/inferencepar/api-ws/v1/realtime?model=qwen3.8-livetranslate-flash-realtime. - Audio : remplacez les trames binaires par des événements JSON
input_audio_buffer.appendet placez le PCM encodé en Base64 dans le champaudio. - Traduction : remplacez
result-generatedparresponse.text.deltaet ajoutez chaque fragmentdeltaau sous-titre. Après l’envoi de l’audio, envoyezsession.finishet attendezsession.finishedavant de fermer la connexion.
Comment reprendre la traduction après une déconnexion ?
Si vous recevez no semantic result after merged audio exceeded 60s et que la connexion WebSocket se ferme, créez une nouvelle session pour reprendre la traduction :
- Arrêtez d'envoyer de l'audio sur l'ancienne connexion.
- Reconnectez-vous et envoyez
session.updatepour rétablir la langue cible, les modalités de sortie et les autres paramètres. - Attendez
session.updated, puis reprenez l'envoi de l'audio.
dashscope.Client(), reprenez également la réception des événements.