Este tutorial utiliza o Android para mostrar como integrar o SDK do Cliente AOQ com o qwen3.8-livetranslate-flash-realtime para tradução de fala em tempo real. Outras plataformas usam fluxos de integração e manipulação de eventos de modelo semelhantes com seus respectivos métodos de SDK. Todos os exemplos do lado do cliente abaixo utilizam Java.
Para os recursos do modelo, consulte Tradução de fala e áudio/vídeo em tempo real. Para as funções da mídia e dos eventos do modelo, consulte Acesso por AOQ.
Baixar o SDK
Para o SDK do Cliente AOQ e o plugin de áudio Opus, consulte Download do SDK. Os exemplos de transmissão de áudio neste tutorial usam Opus, portanto você também deve importar o plugin para sua plataforma. Para regiões suportadas, idiomas, preços e limites de taxa, consulte Tradução de fala e áudio/vídeo em tempo real.
Importar o SDK
- Android
- iOS
- HarmonyOS
Coloque Se o projeto principal já contiver bibliotecas nativas com os mesmos nomes, verifique suas versões e dependências antes de empacotá-las para evitar incluir versões diferentes da mesma biblioteca.Declare as permissões em Solicite permissão
AoqClientSdk-release.aar em app/libs/. Coloque libPluginOpus.so em app/libs/armeabi-v7a/ e app/libs/arm64-v8a/, de acordo com a ABI.Declare a dependência em app/build.gradle:AndroidManifest.xml:RECORD_AUDIO em tempo de execução e obtenha autorização do usuário. A tradução somente de fala não requer permissão de câmera. Declare e solicite CAMERA apenas quando habilitar o aprimoramento visual.Os exemplos em Java usam as seguintes importações:Obter um token através do seu AppServer
Não armazene a chave de API do Model Studio no cliente. Seu AppServer usa a chave de API para a região e workspace correspondentes para solicitar credenciais temporárias para cada conexão de tradução. Ele retorna as credenciais via HTTPS para um cliente que passou pela autenticação do seu aplicativo.
Configure um AppServer seguindo as Etapas de autenticação AOQ do Qwen-LiveTranslate-Realtime. A tradução em tempo real usa o protocolo Realtime. Especifique os seguintes valores ao solicitar credenciais:
BAILIAN_ENDPOINT como o endpoint para seu workspace: {WorkspaceId}.cn-beijing.maas.aliyuncs.com ou {WorkspaceId}.ap-southeast-1.maas.aliyuncs.com. Leia DASHSCOPE_API_KEY de uma variável de ambiente do lado do servidor ou de um serviço de gerenciamento de segredos.
clientIp no corpo da solicitação para agendamento do ponto de acesso.
Mapeie os campos da resposta para AoqConnectConfig no cliente:
| Campo de resposta do Gateway | Campo do SDK | Descrição |
|---|---|---|
aoqTokenForClient | token | Token temporário para esta conexão |
sid | sid | Identificador desta sessão |
clientRelayCertFingerprint | certFingerprint | Use a impressão digital do certificado exatamente como retornada |
clientRelayEndpoints | relayEndpoints | Converta a lista completa de pontos de acesso para a estrutura do SDK |
extraInfo.workspaceIdHash | workspaceIdHash | Use o valor retornado. Se estiver ausente, siga os requisitos do SDK |
Implementar tradução de fala em tempo real
Fluxo de interação

Criar o mecanismo e definir callbacks
Chame createEngine para criar o mecanismo e registrar callbacks para status da conexão, mensagens de Dados e erros. Seu aplicativo deve manter os objetos do mecanismo e do listener durante toda a sessão.
AoqClientListener para receber eventos de conexão, mensagem do modelo e dispositivo de mídia, e passe-o ao criar o mecanismo.
Iniciar captura e reprodução de áudio
Após obter permissão de microfone, prepare a captura e reprodução de áudio. Desative a transmissão de áudio antes de iniciar a captura para impedir que o mecanismo envie mídia automaticamente após conectar.
Iniciar a captura não significa que o modelo está pronto para receber áudio. Solicite ao usuário que fale apenas após receber session.updated e habilitar com sucesso a transmissão. Este tutorial não implementa buffer de áudio antes da conexão.
Configurar codecs e estabelecer a conexão
O cenário principal exige as seguintes faixas:
| Direção | Faixa | Finalidade |
|---|---|---|
| Publicar | Áudio | Enviar fala ao modelo |
| Publicar | Dados | Enviar configuração da sessão e eventos de conclusão |
| Assinar | Áudio | Receber fala traduzida |
| Assinar | Dados | Receber texto original, texto traduzido e eventos de status |
connect significa que a chamada foi aceita. Aguarde onConnectionStatusChange relatar uma conexão bem-sucedida antes de enviar a configuração do modelo.
Configurar a sessão de tradução
Após conectar, envie o seguinte evento session.update pela faixa de Dados. Esta configuração usa a voz padrão e não habilita clonagem de voz:
session.update, consulte Eventos do cliente de tradução em tempo real.
Codifique o JSON como bytes UTF-8 e envie-o com sendDataMsg.
Habilitar transmissão de mídia após receber session.updated
Analise o tipo de evento em onDataMsg.
O trecho a seguir roteia eventos de controle. Para eventos de texto original e texto traduzido, consulte Eventos do servidor. Após receber session.finished, defina o estado de conclusão do seu aplicativo e use o método de liberação descrito em "Desconectar e destruir o mecanismo" para concluir a limpeza.
Diferenças entre AOQ e WebSocket: Este exemplo envia e recebe áudio diretamente pelas trilhas Audio. Não envie
input_audio_buffer.append para transmitir o mesmo áudio novamente nem copie o exemplo WebSocket iniciando outro player ao receber response.audio.delta. O áudio traduzido é gerenciado pela assinatura de áudio e pelo player do SDK. A trilha Data transporta legendas e eventos do modelo. Para o uso de trilhas de mídia e Data, consulte Acesso por AOQ.Concluir entrada e aguardar a tradução final
Quando o usuário parar a tradução, siga esta ordem:
- Pare a captura para que nenhuma nova entrada seja submetida.
- Após finalizar a entrada, desative o áudio de upstream e envie
session.finishuma vez. Mantenha a conexão AOQ, assinatura de Dados e reprodução de áudio ativas. - Continue recebendo o texto original final, texto traduzido e fala traduzida. Aguarde
session.finished. - Desconecte e libere recursos de acordo com sua política local de conclusão de reprodução.
session.finish, consulte Eventos do cliente de tradução em tempo real. Para os campos e significado de session.finished, consulte Eventos do servidor de tradução em tempo real.
Desconectar e destruir o mecanismo
Após receber session.finished, o servidor concluiu o processamento desta sessão. Isso não significa que o alto-falante local terminou de reproduzir o último segmento de áudio. Se seu aplicativo precisar reproduzir toda a fala traduzida, conclua a reprodução local antes de executar os seguintes métodos.