qwen3.5-livetranslate-flash-realtime adalah model terjemahan real-time yang ditingkatkan dengan visi dan mendukung 60 bahasa (29 dengan output audio dan teks, 31 hanya teks). Model ini memproses input audio dan gambar dari aliran video atau file lokal, memanfaatkan konteks visual untuk meningkatkan akurasi, serta menghasilkan teks dan audio terjemahan secara real-time.
Coba demo online dengan penerapan satu klik menggunakan Function Compute.
Fitur
- Dukungan multi-bahasa: Menerjemahkan antara 60 bahasa — 29 dengan output audio dan teks, 31 dengan output hanya teks — termasuk Tiongkok, Inggris, Prancis, Jerman, Rusia, Jepang, Korea, Spanyol, Portugis, dan Arab.
- Peningkatan visual: Menganalisis petunjuk visual, seperti gerakan bibir, isyarat tubuh, dan teks di layar, untuk meningkatkan akurasi terjemahan, terutama di lingkungan berisik atau untuk kata-kata ambigu.
- Latensi 2,3 detik: Memberikan interpretasi simultan dengan latensi serendah 2,3 detik.
- Pemisahan pembicara real-time: Membedakan pembicara dan isi ucapan saat beberapa orang berbicara bergantian, sehingga pendengar mengetahui siapa yang mengatakan apa.
- Interpretasi simultan tanpa kehilangan kualitas: Memprediksi unit semantik untuk menyelesaikan perbedaan urutan kata lintas bahasa, mencapai kualitas yang sebanding dengan terjemahan offline.
- Suara alami: Secara otomatis mencocokkan intonasi dan emosi dari audio sumber.
- Konfigurasi hotword: Hotword yang dapat dikonfigurasi meningkatkan akurasi terjemahan untuk istilah tertentu.
- Kloning suara: Mengkloning suara pembicara untuk output terjemahan. Mendukung kloning real-time dan profil suara yang telah dikloning sebelumnya.
Prosedur
1. Konfigurasikan koneksi
Saat terhubung melalui WebSocket, gunakan parameter berikut:
Akses AOQ, WebRTC, dan WebSocket didukung. Untuk integrasi sisi klien yang memprioritaskan latensi stabil, interaksi pada kondisi jaringan buruk, serta peredaman derau dan pembatalan gema dalam komunikasi full-duplex realtime, pertimbangkan AOQ terlebih dahulu. Untuk perbandingan dan pemilihan protokol, lihat Referensi API.
| Parameter | Deskripsi |
|---|---|
| endpoint | Wilayah Tiongkok (Beijing): wss://WorkspaceId.cn-beijing.maas.aliyuncs.com/api-ws/v1/realtime. Ganti WorkspaceId dengan ID ruang kerja Anda yang sebenarnya.Wilayah Singapura: wss://WorkspaceId.ap-southeast-1.maas.aliyuncs.com/api-ws/v1/realtime.Ganti WorkspaceId dengan ID ruang kerja Anda yang sebenarnya. |
| query parameter | Parameter kueri model harus diatur ke nama model. Contoh: ?model=qwen3.8-livetranslate-flash-realtime |
| message header | Gunakan Bearer Token untuk otentikasi: Authorization: Bearer DASHSCOPE_API_KEYDASHSCOPE_API_KEY adalah Kunci API Anda dari Model Studio. |
2. Konfigurasikan bahasa, modalitas, dan suara
Kirim session.update, lalu tunggu session.updated sebelum mengirim audio.
-
Bahasa tujuan: Atur
session.translation.language, dengan defaulten(Inggris). Lihat Daftar bahasa. Denganqwen3.8-livetranslate-flash-realtime, bahasa sumber dideteksi otomatis.Denganqwen3.5-livetranslate-flash-realtime, tentukan bahasa sumber melaluisession.input_audio_transcription.language, atau hilangkan kolom tersebut untuk deteksi otomatis. -
Keluaran: Dengan
qwen3.8-livetranslate-flash-realtime, atursession.output_modalitieske["text"]untuk teks saja atau["text", "audio"]untuk teks dan suara (default). Bahasa tujuan yang hanya mendukung teks memerlukan["text"].Denganqwen3.5-livetranslate-flash-realtime, gunakansession.modalities. Nilai yang tersedia dan nilai default sama. -
Transkripsi sumber: Dengan
qwen3.8-livetranslate-flash-realtime, transkripsi selalu aktif dan tidak dapat dinonaktifkan. Transkrip bahasa sumber dihasilkan langsung oleh model LiveTranslate. Informasi yang relevan dalam gambar dapat membantu memperjelas bagian ujaran sumber yang ambigu. Terima bagian tambahan melaluiconversation.item.input_audio_transcription.deltadan hasil lengkap melaluiconversation.item.input_audio_transcription.completed.Denganqwen3.5-livetranslate-flash-realtime, transkripsi aktif secara default. Model ASR terpisah mentranskripsikan audio input. Atursession.input_audio_transcription.modelkeqwen3-asr-flash-realtimeuntuk mengaktifkannya ataunulluntuk menonaktifkannya. Bagian tambahan dikirim melaluiconversation.item.input_audio_transcription.text, dan hasil lengkap melaluiconversation.item.input_audio_transcription.completed. -
Audio dan suara: Dengan
qwen3.8-livetranslate-flash-realtime, default-nya adalah masukan PCM 16000 Hz, keluaran PCM 24000 Hz, dan suaraTina. Untuk memasukkan audio Opus, tetapkansession.audio.input.format.typekeopus. Periksasession.audio.output.voicedalam session.created untuk melihat suara yang digunakan. Untuk mempertahankan suara pembicara, lihat Kloning suara.Denganqwen3.5-livetranslate-flash-realtime, atur audio melaluisession.sample_rate,session.input_audio_format, dansession.output_audio_format, serta suara melaluisession.voice. Suara default jugaTina. -
Hotword: Atur
session.translation.corpus.phrasesuntuk ejaan merek dan terjemahan tertentu. Lihat Konfigurasi hotword.Disarankan menggunakan paling banyak 1.000 hotword.
3. Input audio dan gambar
Kirim data audio dan gambar yang di-encode Base64 menggunakan event input_audio_buffer.append dan input_image_buffer.append. Input audio wajib; input gambar opsional.
Gambar dapat berasal dari file lokal atau diambil secara real-time dari aliran video.Dengan
qwen3.8-livetranslate-flash-realtime, nilai default adalah session.audio.input.turn_detection.type = speaker_detection. Kirim audio secara berkelanjutan; server mendeteksi batas ucapan dan menghasilkan terjemahan tanpa komit manual untuk setiap ucapan. Lihat Membedakan pembicara untuk konfigurasi dan ID pembicara.
qwen3.5-livetranslate-flash-realtime: Mode VAD dan Manual
qwen3.5-livetranslate-flash-realtime: Mode VAD dan Manual
- Mode VAD (default): Klien terus-menerus mengirim event input_audio_buffer.append. Saat server mendeteksi awal/akhir ucapan, server mengembalikan event
input_audio_buffer.speech_starteddaninput_audio_buffer.speech_stoppedmasing-masing, secara otomatis melakukan commit buffer audio, dan memicu terjemahan. Respons terjemahan dihasilkan secara sinkron dengan aliran audio dan biasanya dimulai selama input audio, tanpa menunggu ucapan berakhir. - Mode Manual: Atur
session.turn_detectionkenull. Setelah klien selesai mengirim tuturan lengkap, klien mengirim event input_audio_buffer.commit untuk melakukan commit buffer audio. Setelah server mengembalikan eventinput_audio_buffer.committedsebagai konfirmasi, server secara otomatis mulai menghasilkan respons terjemahan; klien tidak perlu mengirim event lain untuk memicu respons. Untuk menghapus audio yang belum di-commit sebelum melakukan commit, kirim event input_audio_buffer.clear.
4. Terima respons model
Dengan qwen3.8-livetranslate-flash-realtime, terima respons sesuai modalitas output:
- Teks sumber: Gabungkan
conversation.item.input_audio_transcription.delta; dapatkan teks lengkap melaluiconversation.item.input_audio_transcription.completed. - Terjemahan: Gunakan
response.text.deltauntuk teks saja atauresponse.audio_transcript.deltauntuk teks dan audio. Gabungkan nilaideltasetiap item pesan sesuai urutan penerimaan, tanpa menimpa teks sebelumnya. - Suara: Decode Base64 pada kolom
deltadiresponse.audio.delta, lalu putar atau simpan potongan secara berurutan.
response.done mengakhiri satu respons terjemahan; periksa response.status untuk mengetahui keberhasilan proses. Sesi tetap terbuka untuk audio berikutnya.
qwen3.5-livetranslate-flash-realtime: Perbedaan peristiwa respons
qwen3.5-livetranslate-flash-realtime: Perbedaan peristiwa respons
-
Output hasil pengenalan bahasa sumber
Atur
session.input_audio_transcription.modelkeqwen3-asr-flash-realtime. Server kemudian akan mengembalikan hasil terjemahan dan hasil pengenalan ucapan (teks asli) untuk audio input. Server mengembalikan event-event berikut:conversation.item.input_audio_transcription.text: Mengalirkan hasil pengenalan.conversation.item.input_audio_transcription.completed: Mengembalikan hasil akhir setelah pengenalan selesai.conversation.item.input_audio_transcription.failed: Mengembalikan informasi error saat pengenalan gagal.
-
Output hanya teks
Server mengalirkan teks terjemahan inkremental (termasuk teks yang dikonfirmasi dan teks prediksi sementara) melalui event response.text.text; setelah selesai, teks terjemahan lengkap dikembalikan dalam event response.text.done.
stashberisi terjemahan sementara. Subtitel dapat tampil lebih cepat, tetapi event berikutnya dapat mengubah teks ini. Sesuai kebutuhan aplikasi, tampilkan gabungantextdanstashdi klien, atau hanyatextyang sudah dikonfirmasi. Gunakanitem_iduntuk memperbarui subtitel yang sesuai, lalu tampilkan terjemahan lengkap saatresponse.text.donediterima. -
Output teks dan audio
- Teks Server mengalirkan teks terjemahan inkremental melalui event response.audio_transcript.text; setelah selesai, teks terjemahan lengkap dikembalikan dalam event response.audio_transcript.done.
- Audio Server mengembalikan data audio inkremental yang di-encode Base64 dalam event response.audio.delta.
conversation.item.created untuk terjemahan. item.id adalah ID terjemahan, sedangkan previous_item_id di tingkat teratas event adalah ID teks sumber yang sesuai.
Teks sumber atau terjemahan dapat tiba lebih dulu. Simpan hasilnya secara terpisah, pasangkan berdasarkan pemetaan ini, lalu perbarui setiap subtitel menggunakan item_id masing-masing. Lihat Hubungan teks sumber dan terjemahan untuk definisi kolom.
5. Akhiri sesi
Setelah mengirim semua audio, kirim event session.finish, lalu tunggu hingga server mengembalikan event session.finished sebelum menutup koneksi WebSocket.
Jika Anda menutup WebSocket tanpa mengirim session.finish, VAD server tidak dapat mendeteksi akhir segmen ucapan terakhir. Hal ini menyebabkan hasil terjemahan untuk segmen tersebut hilang sepenuhnya, dan koneksi mungkin hang tanpa batas waktu. Selalu kirim event ini sebelum memutus koneksi.
Model yang didukung
Model yang direkomendasikan
| Model | Versi | Context window | Max input | Max output |
|---|---|---|---|---|
| (tokens) | ||||
| qwen3.8-livetranslate-flash-realtime | Stabil | 53,248 | 49,152 | 4,096 |
qwen3.5-livetranslate-flash-realtimeAlias untuk qwen3.5-livetranslate-flash-realtime-2026-05-19 | Stable | 53.248 | 49.152 | 4.096 |
| qwen3.5-livetranslate-flash-realtime-2026-05-19 | Snapshot | |||
Mulai
Terjemahkan input mikrofon secara real time
-
Gunakan Python 3.10 atau lebih baru dan pasang
pyaudio:Pasang dependensi WebSocket:- macOS
- Debian/Ubuntu
- CentOS
- Windows
pip install websocket-client. -
Atur variabel lingkungan di bawah ini. Kunci API dan ruang kerja harus berada di wilayah pada URL koneksi:
DASHSCOPE_API_KEY: Kunci API untuk wilayah dan ruang kerja. Lihat Dapatkan kunci API.
WorkspaceIdpada kode di bawah ini. -
Simpan kode berikut sebagai
livetranslate_client.py, jalankanpython livetranslate_client.py, lalu berbicaralah ke mikrofon.
qwen3.8-livetranslate-flash-realtime untuk menerjemahkan input mikrofon ke bahasa Inggris, mencetak teks, dan memutar ucapan terjemahan secara real time. Input berupa PCM mono 16-bit 16000 Hz; pemutaran berupa PCM mono 16-bit 24000 Hz. Tekan Ctrl+C untuk berhenti merekam. Contoh mengirim session.finish, menerima dan memutar hasil tersisa, lalu menutup koneksi setelah session.finished. Gunakan headphone agar ucapan terjemahan tidak direkam kembali.
Konfigurasi hotword
Menambahkan hotword dapat meningkatkan akurasi terjemahan ketika Anda memerlukan terjemahan tertentu atau perlu membedakan kata-kata yang terdengar sama. Contohnya:
- Terjemahan baku: slogan Alibaba Cloud, “Komputasi untuk nilai yang tak terhitung.”, memiliki terjemahan bahasa Inggris yang disepakati, yaitu “Computing, for the value beyond computation.”. Pilihan kata dan urutannya perlu dipertahankan.
- Nama merek yang terdengar sama: Qoder terdengar sama dengan kata umum dalam bahasa Inggris, coder. Jika pembicara merujuk pada produk Qoder, terjemahan perlu mempertahankan ejaan merek tersebut.
| Isi audio masukan | Tanpa hotword | Dengan hotword |
|---|---|---|
| Komputasi untuk nilai yang tak terhitung. | Computation for incalculable values. | Computing, for the value beyond computation. |
| Qoder adalah platform agentik untuk pekerjaan nyata. | Coder is an agentic platform for workers. for real-world tasks. | Qoder is a platform for agents. for real jobs. |
Cara konfigurasi
Konfigurasikan hotword melalui session.translation.corpus.phrases menggunakan pasangan kunci-nilai untuk memetakan kata atau frasa bahasa sumber ke terjemahan yang diinginkan.
Pada permintaan session.update pertama dalam Mulai, gabungkan objek translation berikut ke dalam objek session yang sudah ada. Pertahankan modalitas keluaran, suara, dan pengaturan lain untuk sesi tersebut.
session.updated dari server sebelum mulai mengirim peristiwa input_audio_buffer.append.
Identifikasi pembicara
qwen3.8-livetranslate-flash-realtime dapat mengidentifikasi pembicara yang berbeda dan menandainya dengan speaker_id. Kaitkan ID ini dengan teks sumber dan terjemahan untuk menampilkan subtitel per pembicara.
Pertahankan default speaker_detection atau atur secara eksplisit pada session.update. threshold membedakan keheningan dari ucapan yang valid. Suara di bawah ambang ini disaring dan tidak dikirim ke model. Nilai ambang tetap 0.5.
- Catat
speaker_iddanitem_idsumber dariinput_audio_buffer.speech_started. - Baca sumber untuk
item_idyang sama dariconversation.item.input_audio_transcription.delta. - Pada
conversation.item.createdterjemahan, kaitkanitem.iddenganprevious_item_iddi tingkat teratas peristiwa. - Gunakan
item_idsetiap delta terjemahan untuk menemukan sumber dan pembicara, lalu perbarui subtitel.
def receive_translation(): dalam contoh mikrofon di panduan memulai. Di dalam fungsi tersebut, panggil handle_speaker_event(event) tepat setelah event = receive(), lalu ganti print(event["delta"], end="", flush=True) yang lama dengan pass agar seluruh keluaran subtitel ditangani oleh cuplikan di bawah. Cuplikan mencetak ID, teks sumber, dan terjemahan saat berubah agar subtitel dapat ditampilkan per pembicara. Pertahankan penanganan audio dan akhir sesi.
Perbaiki terjemahan dengan gambar
Model terjemahan real-time Qwen mendukung input gambar untuk menghilangkan ambiguitas homonim dan mengenali nama diri yang tidak umum selama terjemahan. Kirim tidak lebih dari 2 gambar per detik.
Unduh contoh gambar berikut: medical mask.png, masquerade mask.png
Gunakan kembali masukan mikrofon dan koneksi dari panduan memulai:
- Pasang
Pillow:pip install Pillow. - Tetapkan
translation.languagekeid, lalu ucapkan “What is mask?” ke mikrofon saat menjalankan contoh. - Letakkan kode pembacaan gambar berikut sebelum
def send_audio():pada contoh mikrofon, lalu gantisend_audio()dengan versi ini. Kode memakaiinput_stream,stop_recording,ws,send_errors, dan impor yang sudah ada.
Ctrl+C menghentikan rekaman, contoh meminta akhir sesi dan menerima hasil tersisa.
Kloning suara
Model mengkloning suara pembicara dari audio input dan menggunakannya untuk output terjemahan. Gunakan profil suara yang telah dikloning sebelumnya atau biarkan server melakukan kloning secara real-time. Berguna untuk interpretasi konferensi, siaran langsung, dan dubbing video.
Kloning real time: Pada qwen3.8-livetranslate-flash-realtime maupun qwen3.5-livetranslate-flash-realtime, kloning suara dari audio masukan selama penerjemahan tidak dikenakan biaya kloning tambahan. Panggilan model tetap ditagih berdasarkan penggunaan token.
Membuat suara sebelumnya: Gunakan API kloning suara untuk membuat suara terlebih dahulu. Biayanya $0.01 per suara. Permintaan pembuatan yang gagal tidak dikenai biaya. Untuk wilayah, jumlah penggunaan, dan masa berlaku kuota gratis, lihat Penagihan. Terjemahan menggunakan suara yang sudah dibuat tetap ditagih berdasarkan penggunaan Token model.
Atur parameter berikut dalam session.update untuk mengaktifkan kloning suara:
-
session.enable_voice_clone: Atur ketrueuntuk mengaktifkan kloning suara. -
session.voice_clone_options.frequency: Mengontrol kapan kloning suara terjadi. Nilai yang diterima:never: Gunakan suara yang telah dibuat tanpa mengekstraksi ulang selama sesi ini. Isisession.voicedengan ID suara kloning milik Anda.once: Ekstrak suara sekali pada awal sesi lalu gunakan kembali untuk terjemahan berikutnya dalam sesi yang sama. “Sekali” merujuk pada ekstraksi, bukan satu keluaran audio saja. Cocok untuk presentasi satu pembicara; tetapkansession.voicekedefault.always: Ekstrak suara sebelum setiap respons audio terjemahan agar mengikuti pergantian pembicara. Cocok untuk percakapan beberapa pembicara; tetapkansession.voicekedefault.
-
session.voice: Menentukan suara output. Nilainya bergantung pada pengaturanfrequency:- Atur ke
default: Gunakan denganfrequencydiatur keonceataualways. Mengkloning suara pembicara dari audio input. Suara default digunakan hingga proses kloning selesai. - Jika diatur ke ID suara kloning kustom (misalnya
qwen-translate-vc-xxx-yyy-zzz), gunakan denganfrequencybernilainever. Siapkan suara terlebih dahulu melalui API kloning suara, dengantarget_modeldiatur ke model terjemahan yang digunakan.
- Atur ke
Saatfrequencydiatur keonceataualways, parametervoiceharus diatur kedefault. Nilai lain akan menyebabkan server mengembalikan error.
Contoh konfigurasi kloning suara
Dengan qwen3.8-livetranslate-flash-realtime, ganti konfigurasi session.update pada contoh model ini di Mulai cepat dengan konfigurasi yang sesuai.
qwen3.5-livetranslate-flash-realtime, ganti session.output_modalities menjadi session.modalities pada contoh. Parameter kloning lainnya sama. Tentukan model ini pada parameter koneksi model dan tangani peristiwa responsnya sesuai penjelasan Menerima respons model.Penerapan satu klik Function Compute
Untuk menerapkan aplikasi:
- Buka Templat Function Compute, masukkan Kunci API Anda, lalu klik Create and Deploy Default Environment untuk menguji aplikasi.
- Tunggu sekitar satu menit. Di Environment Details > Environment Context, ambil endpoint, ubah protokol dari http ke https (misalnya, https://qwen-livetranslate-flash-realtime-intl.fcv3.xxx.ap-southeast-1.fc.devsapp.net/), lalu buka URL tersebut di browser untuk berinteraksi dengan model.
Jika Anda diminta mengonfigurasi izin Resource Access Management, ikuti instruksi di layar.
Untuk melihat kode sumber proyek, buka Resource Information > Function Resources.
Baik Function Compute maupun Model Studio menyediakan kuota gratis untuk pengguna baru, cukup untuk debugging dasar. Setelah kuota gratis habis, penagihan bayar sesuai penggunaan berlaku.
Alur interaksi
Tahap interaksi utama dengan qwen3.8-livetranslate-flash-realtime adalah sebagai berikut:
| Tahap | Klien | Server |
|---|---|---|
| Koneksi | URL dan autentikasi | session.created |
| Konfigurasi | session.update | session.updated atau error |
| Masukan | input_audio_buffer.append terus-menerus; gambar opsional | ID pembicara dan transkripsi sumber |
| Penerimaan | Gabungkan teks, decode audio | Delta; response.done mengakhiri satu respons |
| Akhir | Hentikan masukan, kirim session.finish, terus menerima | session.finished; tutup dan selesaikan pemutaran audio |
qwen3.5-livetranslate-flash-realtime: Alur interaksi
qwen3.5-livetranslate-flash-realtime: Alur interaksi
| Siklus hidup | Event klien | Server event |
|---|---|---|
| Inisialisasi sesi | session.updateKonfigurasi sesi | session.createdSesi dibuatsession.updated Konfigurasi sesi diperbarui |
| Input audio pengguna | input_audio_buffer.appendTambahkan audio ke bufferinput_image_buffer.append Tambahkan gambar ke bufferinput_audio_buffer.commit (Hanya mode Manual) Lakukan commit buffer audio | Mode VAD:input_audio_buffer.speech_startedDeteksi awal ucapaninput_audio_buffer.speech_stopped Deteksi akhir ucapan; server secara otomatis melakukan commit buffer audioMode Manual:input_audio_buffer.committed Dikembalikan setelah klien mengirim input_audio_buffer.commit, mengonfirmasi buffer audio telah di-commit |
| Output audio server | Tidak ada | response.createdMenandakan server mulai menghasilkan respons.response.output_item.added Menandakan item output baru tersedia.conversation.item.created Item pesan baru dibuat dalam percakapan.response.content_part.added Menandakan bagian konten baru telah ditambahkan ke pesan asisten.response.text.text Teks terjemahan inkremental dalam modalitas hanya teksresponse.audio_transcript.text Teks terjemahan inkremental dalam modalitas audio+teksresponse.audio.delta Berisi potongan inkremental audio sintesis.response.text.done Teks terjemahan selesai dalam modalitas hanya teksresponse.audio_transcript.done Teks terjemahan selesai dalam modalitas audio+teksresponse.audio.done Menandakan audio sintesis telah selesai.response.content_part.done Menandakan bagian konten teks atau audio untuk pesan asisten telah selesai.response.output_item.done Menandakan seluruh item output untuk pesan asisten telah selesai.response.done Menandakan seluruh respons telah selesai. |
| Terminasi sesi | session.finishMemberi tahu server bahwa input audio telah selesai | session.finishedPemrosesan server selesai; sesi berakhir |
session.finish dan tunggu session.finished sebelum menutup WebSocket. Jika Anda menutup koneksi tanpa mengirim session.finish, server tidak dapat mengetahui bahwa input audio telah berakhir, dan hasil pengenalan serta terjemahan untuk segmen ucapan terakhir akan hilang.
API
Untuk alur akses AOQ dan contoh, lihat Akses AOQ. Untuk pemilihan protokol dan tautan referensi, lihat Referensi API.
Penagihan
Qwen3.8-LiveTranslate-Flash-Realtime / Qwen3.5-LiveTranslate-Flash-Realtime
-
Audio: 7 token per detik audio input; 12,5 token per detik audio output.
Jika menggunakan deteksi ucapan di sisi server, durasi audio input dihitung dari audio yang dikirim ke model setelah penyaringan. Bagian hening yang disaring tidak dihitung. Lihat jumlah token audio input yang sebenarnya pada
response.usage.input_tokens_details.audio_tokensdalam eventresponse.done. - Gambar: Setiap 32×32 piksel mengonsumsi 0,5 token.
qwen3.8-livetranslate-flash-realtime maupun qwen3.5-livetranslate-flash-realtime, kloning suara dari audio masukan selama penerjemahan tidak dikenakan biaya kloning tambahan. Panggilan model tetap ditagih berdasarkan penggunaan token.
Membuat suara sebelumnya: Gunakan API kloning suara untuk membuat suara terlebih dahulu. Biayanya $0.01 per suara. Permintaan pembuatan yang gagal tidak dikenai biaya. Untuk wilayah, jumlah penggunaan, dan masa berlaku kuota gratis, lihat Penagihan. Terjemahan menggunakan suara yang sudah dibuat tetap ditagih berdasarkan penggunaan Token model.
Batas laju
Untuk informasi tentang batas laju model, lihat Pembatasan laju.
Bahasa yang didukung
Gunakan kode bahasa berikut untuk menentukan bahasa sumber dan target.
Beberapa bahasa target hanya mendukung teks.
Kode bahasa | Bahasa | Output |
|---|---|---|
zh | Tiongkok | Audio + teks |
en | Inggris | Audio + teks |
ar | Arab | Audio + teks |
de | Jerman | Audio + teks |
fr | Prancis | Audio + teks |
es | Spanyol | Audio + teks |
pt | Portugis | Audio + teks |
id | Bahasa Indonesia | Audio + teks |
it | Italia | Audio + teks |
ko | Korea | Audio + teks |
ru | Rusia | Audio + teks |
th | Thai | Audio + teks |
vi | Bahasa Vietnam | Audio + teks |
ja | Jepang | Audio + teks |
tr | Turki | Audio + teks |
hi | Hindi | Audio + teks |
ms | Melayu | Audio + teks |
nl | Belanda | Audio + teks |
ur | Urdu | Audio + teks |
nb | Norwegia Bokmål | Audio + teks |
sv | Swedia | Audio + teks |
da | Denmark | Audio + teks |
he | Ibrani | Audio + teks |
fi | Finlandia | Audio + teks |
pl | Polandia | Audio + teks |
is | Islandia | Audio + teks |
cs | Ceko | Audio + teks |
fil | Filipino | Audio + teks |
fa | Persia | Audio + teks |
yue | Kanton | Teks |
el | Yunani | Teks |
af | Afrikaans | Teks |
ast | Asturia | Teks |
be | Belarusia | Teks |
bg | Bahasa Bulgaria | Teks |
bn | Bengali | Teks |
bs | Bahasa Bosnia | Teks |
ca | Katalan | Teks |
ceb | Cebuano | Teks |
et | Estonia | Teks |
gl | Galisia | Teks |
gu | Gujarati | Teks |
hr | Kroasia | Teks |
hu | Hongaria | Teks |
jv | Jawa | Teks |
kk | Kazakh | Teks |
kn | Kannada | Teks |
ky | Kirgiz | Teks |
lv | Latvia | Teks |
mk | Makedonia | Teks |
ml | Malayalam | Teks |
mr | Marathi | Teks |
pa | Punjabi | Teks |
ro | Rumania | Teks |
sk | Slovak | Teks |
sl | Slovenia | Teks |
sw | Swahili | Teks |
tg | Tajik | Teks |
az | Azerbaijan | Teks |
uk | Ukraina | Teks |
Suara yang didukung
Untuk daftar suara yang didukung dan nilai parameter voice yang sesuai, lihat Daftar suara.
Pertanyaan umum
Apakah ada biaya jika koneksi tetap terbuka tetapi tidak ada yang berbicara?
Menjaga koneksi tetap terbuka tidak dikenai biaya. Jika Anda mengirim audio hening, perhitungannya sebagai input audio bergantung pada mode yang digunakan:
- Deteksi ucapan di sisi server: Audio hening yang disaring tidak dihitung sebagai input audio.
- Mode Manual: Audio hening yang Anda komit secara eksplisit dihitung sebagai input audio.
response → usage → input_tokens_details → audio_tokens. Model ditagih berdasarkan token input dan output. Lihat Penagihan untuk harga dan aturan perhitungannya.
Bagaimana cara bermigrasi dari Gummy ke LiveTranslate?
gummy-realtime-v1 dan qwen3.8-livetranslate-flash-realtime menggunakan protokol berbeda. Selain nama model, ubah kode untuk membuka koneksi, mengirim audio, menerima terjemahan, dan mengakhiri sesi.
Contoh SDK Python ini menghasilkan subtitel bahasa Inggris. Gunakan kembali audio PCM mono 16-bit 16 kHz dan ubah empat pemanggilan berikut.
Langkah | Gummy | LiveTranslate |
|---|---|---|
Koneksi dan konfigurasi |
|
Konfigurasikan sesi setelah terhubung. Tunggu |
Kirim audio |
|
|
Tampilkan subtitel |
|
Tambahkan isi setiap kolom |
Akhiri sesi |
|
Terus terima subtitel dan tutup koneksi setelah menerima |
Contoh Python: terjemahkan rekaman menjadi subtitel bahasa Inggris
Contoh Python: terjemahkan rekaman menjadi subtitel bahasa Inggris
DASHSCOPE_API_KEY ke kunci API Beijing dan DASHSCOPE_WORKSPACE ke ID ruang kerja di wilayah tersebut. Simpan kode sebagai subtitles.py dan jalankan python subtitles.py input.wav dengan berkas WAV PCM mono 16-bit 16 kHz.- Alamat: ganti
/api-ws/v1/inferencedengan/api-ws/v1/realtime?model=qwen3.8-livetranslate-flash-realtime. - Audio: ganti frame audio biner dengan peristiwa JSON
input_audio_buffer.append. Masukkan PCM yang dienkode dalam Base64 ke kolomaudio. - Terjemahan: ganti
result-generateddenganresponse.text.deltadan tambahkan setiapdeltake subtitel. Setelah audio terkirim, kirimsession.finishdan tunggusession.finishedsebelum menutup koneksi.
Bagaimana melanjutkan terjemahan setelah koneksi terputus?
Jika Anda menerima no semantic result after merged audio exceeded 60s dan koneksi WebSocket ditutup, buat sesi baru untuk melanjutkan terjemahan:
- Hentikan pengiriman audio ke koneksi lama.
- Hubungkan kembali dan kirim
session.updateuntuk memulihkan bahasa target, modalitas output, dan pengaturan lainnya. - Tunggu
session.updated, lalu lanjutkan pengiriman audio.
dashscope.Client(), lanjutkan juga penerimaan event.