Este documento descreve como usar o SDK Python do DashScope para chamar o modelo de tradução de áudio e vídeo em tempo real Qwen-LiveTranslate-Realtime.
Pré-requisitos
- Instale o SDK. Verifique se a versão do seu DashScope SDK é 1.25.6 ou superior.
- Obtenha uma chave de API.
Parâmetros da solicitação
-
Defina os seguintes parâmetros no construtor da classe
OmniRealtimeConversation.Clique em visualizar o código de exemplo
Parâmetro Tipo Obrigatório Descrição modelstrSim Nome do modelo a ser utilizado. Defina como qwen3.5-livetranslate-flash-realtime(recomendado).callbackOmniRealtimeCallbackSim Instância de callback para tratar eventos do lado do servidor. urlstrSim Endpoint do service para tradução em tempo real: - China (Beijing):
wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/realtime - Singapore:
wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api-ws/v1/realtime
{WorkspaceId}pelo seu workspace ID real. - China (Beijing):
-
Configure os parâmetros abaixo por meio do método
update_sessionda classeOmniRealtimeConversation.Clique em visualizar o código de exemplo
Parâmetro
Tipo
Obrigatório
Descrição
output_modalitiesList[MultiModality]Não
Formato de saída dos resultados da tradução.
Padrão:
[MultiModality.TEXT, MultiModality.AUDIO].Valores válidos:
[MultiModality.TEXT]: Gera apenas texto[MultiModality.TEXT, MultiModality.AUDIO]: Gera texto e áudio
voicestrNão
Voz utilizada na saída de áudio.
Padrão:
Qwen3.5-LiveTranslate-Flash-Realtime:
Tina
Valores válidos: Supported voices.
input_audio_transcription_modelstrNão
Defina este parâmetro como
qwen3-asr-flash-realtimepara receber resultados de reconhecimento de fala no idioma de origem.translation_paramsTranslationParamsNão
Configurações de tradução (idioma alvo e palavras-chave).
enable_turn_detectionboolNão
Indica se o VAD (Detecção de Atividade de Voz) deve ser ativado.
Valor padrão:
True, que habilita o modo VAD, onde o servidor detecta automaticamente o início e o fim da fala e aciona a tradução.Defina como
Falsepara alternar para o modo Manual, no qual o cliente envia o áudio manualmente através do métodocommit. Para descrições detalhadas dos parâmetros, consulte a descrição deturn_detectionno documento Client events. -
Especifique os seguintes parâmetros no construtor da classe
TranslationParams.Clique em visualizar o código de exemplo
Parâmetro
Tipo
Obrigatório
Descrição
languagestrNão
Idioma alvo da tradução.
Padrão:
en.Valores válidos: Supported languages.
corpusTranslationParams.CorpusNão
Mapeamento de palavras-chave para melhorar a precisão da tradução de termos específicos.
corpus.phrasesdictNão
Tabela de mapeamento de palavras-chave, onde as chaves são os termos de origem e os valores são as traduções alvo.
Exemplo:
{'Inteligencia Artificial': 'Artificial Intelligence'}
Interfaces principais
Classe OmniRealtimeConversation
Importação: from dashscope.audio.qwen_omni import OmniRealtimeConversation
| Assinatura do método | Evento de resposta do servidor (enviado via callback) | Descrição |
|---|---|---|
Server-side eventSessão criadaServer-side event Configuração da sessão atualizada | Conecta ao servidor. | |
Sessão atualizadaSessão atualizada | Atualiza a configuração da sessão. Chame imediatamente após a conexão. Caso este método não seja chamado, as configurações padrão serão aplicadas. | |
session.finishedO servidor conclui a tradução de fala e encerra a sessão | Encerra a sessão. O servidor finaliza o processamento da última tradução. | |
| Nenhum | Envia fragmentos de áudio codificados em Base64 para o servidor. A detecção de fala e a tradução ocorrem automaticamente. | |
Server-side eventBuffer de áudio de entrada confirmado | No modo Manual, envia o áudio previamente adicionado ao buffer do servidor através do método append_audio. O servidor inicia automaticamente a geração das respostas de tradução após o recebimento. No modo VAD, não é necessário chamar este método, pois o servidor faz a confirmação automaticamente. | |
Server-side eventBuffer de áudio de entrada limpo | Limpa os dados de áudio não confirmados no buffer atual do servidor. | |
| Nenhum | Interrompe a tarefa e fecha a conexão. | |
| Nenhum | Obtém o ID da sessão. | |
| Nenhum | Obtém o ID da última resposta. |
Interface de callback (OmniRealtimeCallback)
Receba eventos e dados do servidor por meio de callbacks.
Herde esta classe e implemente seus métodos para tratar os eventos provenientes do servidor.
Importação: from dashscope.audio.qwen_omni import OmniRealtimeCallback
| Assinatura do método | Parâmetros | Descrição |
|---|---|---|
| Nenhum | Chamado quando a conexão WebSocket é aberta. | |
| message: Server-side event | Chamado quando o servidor envia um evento. | |
| close_status_code: O código de status.close_msg: A mensagem de log quando a conexão WebSocket é fechada. | Chamado quando a conexão WebSocket é fechada. |
dashscope.Client(): recebimento de eventos após um erro
Ao usar dashscope.Client() no DashScope SDK 2.x, receba eventos pelos métodos events() ou recv_event() da sessão. Consulte Iteração de eventos do Python SDK 2.x para o uso completo.
Quando você captura DashScopeError, o iterador events() em uso já terminou. Capturar a exceção em um try/except externo não reinicia o recebimento de eventos.
Se a conexão WebSocket ainda puder ser usada, corrija a solicitação e chame events() novamente ou use recv_event() para receber um evento por vez. Se a conexão estiver fechada, primeiro reconecte e configure uma nova sessão e depois retome o recebimento de eventos.
Para investigar a causa do erro, leia o evento de erro original do servidor em body na exceção.
Exemplo completo
Este exemplo captura áudio do microfone e o traduz em tempo real.
Código de exemplo para tradução em tempo real a partir do microfone
Código de exemplo para tradução em tempo real a partir do microfone