Skip to main content

Realtime API の概要

Realtime API の対応モデル、アクセス方法、認証、および既存のチュートリアルとデモを紹介します。

Realtime API は、リアルタイムのマルチモーダル対話、音声認識、音声合成、音声対話、音声・動画翻訳をサポートします。必要なモデルの対応アクセス方法を確認し、アプリケーションに合う方法を選んで、対応するアクセスドキュメントを開いてください。

モデルとプロトコルの対応

次の表は、各モデルとアプリケーションが対応するプロトコルを示します。「対応」をクリックすると、対応するアクセスドキュメントを開きます。
モデル/アプリケーションの種類モデルWebSocketWebRTCAOQ
リアルタイムマルチモーダルqwen3.8-omni-flash-realtime, qwen3.5-omni-plus-realtime, qwen3.5-omni-flash-realtimeサポートサポートサポート
リアルタイム音声合成qwen-audio-3.1-tts-plus, qwen-audio-3.1-tts-flash, qwen-audio-3.0-tts-flash, qwen-audio-3.0-tts-plusサポート非サポートサポート
CosyVoice シリーズサポート非サポートサポート
リアルタイム音声認識qwen-audio-3.1-asr-flash-message、qwen-audio-3.1-asr-flash-streaming、qwen-audio-3.0-asr-flash-streaming、Fun-ASR-Realtime シリーズQwen-Audio-ASR-MessageQwen-Audio-ASR-StreamingFun-ASR-Realtime非サポートQwen-Audio-ASR-MessageQwen-Audio-ASR-StreamingFun-ASR-Realtime
リアルタイム音声対話qwen-audio-3.1-realtime-plus, qwen-audio-3.1-realtime-flash, qwen-audio-3.0-realtime-plus, qwen-audio-3.0-realtime-flashサポートサポートサポート
リアルタイム音声翻訳Qwen-Livetranslate-Realtime シリーズサポートサポートサポート
モデル名、コンテキストウィンドウ、価格、スナップショットバージョンなどの情報については、「Alibaba Cloud Model Studio コンソール」をご参照ください。レート制限については、「レート制限」をご参照ください。

アクセス方法の選択

Realtime API は WebSocket、WebRTC、AOQ（AI over QUIC）に対応しています。利用できるアクセス方法と入出力機能については、選択したモデルのアクセスドキュメントをご確認ください。
比較項目WebSocketWebRTCAOQ
ユースケースリアルタイムの音声・マルチモーダル対話、サーバー側の統合、迅速なプロトタイプ作成ブラウザーでのリアルタイム音声・動画対話、既存の WebRTC 基盤を使用するアプリケーション不安定なネットワークへの最適化と、音声・映像・モデルイベントの連携伝送が必要なネイティブアプリケーション
ブラウザーの互換性標準でサポート。対応 API の認証要件を満たす必要があります標準でサポート現在の AOQ SDK はブラウザーからのアクセスに対応していません
エコーキャンセルとノイズ抑制クライアントが使用する音声キャプチャー・処理コンポーネントが提供しますブラウザーまたは WebRTC クライアントが提供。プラットフォームと設定に依存します使用するプラットフォームの AOQ SDK 音声設定に従います
対応するクライアントプラットフォームすべてのプラットフォーム（WebSocket に対応するすべての環境）ブラウザー、モバイルクライアントモバイル、デスクトップ、Linux。詳細は、AOQ SDK のダウンロードをご覧ください。
Token Planサポートサポートサポート
  • WebSocket：リアルタイムの音声・マルチモーダル対話、サーバー側の統合、プロトタイプ作成に適しています。DashScope SDK を使用すると、リアルタイム音声対話をすばやく実装できます。
  • WebRTC：ブラウザーの標準サポートが必要な場合や、既存の WebRTC 基盤を利用するリアルタイム音声・動画対話に適しています。
  • AOQ：AOQ は QUIC をベースとし、不安定なネットワーク環境でのリアルタイム対話に向けて最適化されています。音声・映像とモデルイベントを別々のトラックで伝送し、メディアのキャプチャ、エンコード・デコード、再生機能を統合する必要があるネイティブアプリケーションに適しています。

アクセスの準備

リージョンとエンドポイントを確認し、そのリージョンとワークスペースの API キーを取得します。
初回利用時は、コンソールの案内に従ってサービスを有効化してください。API キーは作成直後にコピーして安全に保管し、環境変数で管理します。クライアントコードへの埋め込みやコードリポジトリへのコミットは避けてください。
AOQ では、クライアントプラットフォーム用の AOQ SDKをダウンロードします。

認証方法

リアルタイム API は認証に API キーを使用します。AOQ、WebRTC、または WebSocket のいずれを介して接続する場合でも、Authorization HTTP リクエストヘッダーでベアラートークンを渡します。 WebRTC と WebSocket は接続確立時に認証します。AOQ では、AppServer が接続認証情報をリクエストする際に API キーで認証し、その後クライアントが一時トークンで接続します。確立済みの接続でのデータ送信に再認証は不要です。

接続認証の詳細

  • WebSocket
  • WebRTC
  • AOQ
WebSocket では、接続の確立時に HTTP リクエストヘッダーに API Key を設定して認証します。具体的な要件は、選択したモデルのアクセスドキュメントをご確認ください。

開発リソース

WebRTC チュートリアル

AOQ チュートリアルと Demo

Android Demo で AOQ アクセスを試せます。QR コードをスキャンして APK をダウンロードし、インストール後に API キーと workspaceId を設定します。Demo が対応するモデルの一部を試すことができます。
AOQ Android Demo APK ダウンロード用 QR コード