介紹如何通過 AOQ、WebRTC、WebSocket 三種協議接入 Realtime API 模型或應用,包含各協議的串連流程、時序圖和程式碼範例。
前提條件
體驗 Demo
阿里雲百鍊提供適用於 Android 平台的 Demo,可用於快速驗證 AOQ 接入效果。下載 APK 並配置 API Key 和 workspaceId 後,即可體驗部分模型。
掃描以下二維碼下載 Demo:

AOQ 接入
AOQ 基於 QUIC 協議深度定製,適合移動端原生應用,支援音頻/視頻/資料混合傳輸,內建極致抗弱網能力。以下以即時全模態(Omni)的 iOS Demo 為例介紹 AOQ 接入流程。AOQ SDK API 詳情請參見AOQ用戶端SDK。
整體流程時序圖

建立引擎並設定回調
AoqEngineDelegate 協議監聽 onConnectionStatusChange、onDataMsg、onError 等回調。
啟動音頻採集與播放
擷取串連憑證
由業務 AppServer 代理百鍊請求,參見Token鑒權。
設定編解碼及建立串連
設定編解碼參數後調用 connect:
配置 AI 會話
串連成功後發送 session.update 的樣本,詳見用戶端事件:
收到 session.updated 後開啟媒體發送
收到模型回複 session.updated 的樣本,詳見服務端事件:
中斷連線與銷毀引擎
WebRTC 接入
WebRTC 不提供專用 SDK。Web 端可直接使用瀏覽器原生 JavaScript API 接入,其他端可通過開源 WebRTC 庫或支援標準 WebRTC 協議的第三方 RTC 服務接入。以下以 Web 端 JavaScript 為例進行介紹。
整體流程圖

建立串連
配置目標模型參數
監聽模型通過 DataChannel 返回的訊息,確保互動時序正確:
收發媒體資料
建連時添加的音頻軌道和視頻軌道(即 RTP 媒體通道)會自動將資料轉送到服務端。
- 音頻:通過音頻軌道(RTP)直接傳輸,無需發送
input_audio_buffer.append事件。 - 圖片:通過視頻軌道(RTP)發送畫面幀,不支援
input_image_buffer.append事件。
WebRTC 僅支援服務端 VAD 模式(
server_vad 或 semantic_vad),不支援手動模式。Demo 源碼
前提條件
- 使用支援 WebRTC 的現代瀏覽器(Chrome、Edge、Firefox、Safari 等)。
- 瀏覽器需要麥克風許可權。
- 瀏覽器受跨域安全性原則限制,無法直接向服務端發起建連請求,因此需要通過終端執行 curl 命令完成串連建立。
運行樣本
建立一個 HTML 檔案,命名為 webrtc_demo.html,並將以下代碼複製到檔案中:
webrtc_demo.html。
在瀏覽器中開啟此檔案,按以下步驟操作:
- 點擊開始會話,頁面會自動產生 Offer SDP 和對應的 curl 命令。
- 點擊複製 curl 命令,在終端中執行。命令返回的內容即為 Answer SDP。
- 將 Answer SDP 粘貼到頁面的 Answer SDP 文字框中,點擊設定 Answer 即可建立串連並開始語音對話。