為“語音輸入 → 語音輸出”情境（語音對話、語音翻譯、同聲傳譯等）選擇模型。
從閉源模型遷移到百鍊?
如果你正在使用 OpenAI Realtime 或 Gemini Live，可參考下表選擇百鍊對位模型。
閉源模型代表 | 百鍊推薦 | |
|---|---|---|
高能力即時對話 | OpenAI GPT Realtime、Gemini 3.1 Live |
|
成本敏感對話 | OpenAI gpt-4o-mini Realtime |
|
即時翻譯 / 同傳 | Gemini 3.1 Live |
|
S2S（Speech-to-Speech）與Pipeline對比
構建語音應用有兩種方式：
S2S | Pipeline（ASR + LLM + TTS） | |
|---|---|---|
延遲 | 低 -- 單模型串流 | 較高 -- 3個階段串列處理 |
音頻理解 | 端到端 -- 能感知語調、情緒並做出相應回應 | 先轉文本再處理 -- 音頻中的細微資訊丟失 |
音色定製 | 通過系統提示詞選擇預設音色 | 聲音複製、聲音設計（CosyVoice） |
- 使用S2S：當互動式對話、低延遲和音頻感知的回複是關鍵需求時。
- 使用Pipeline：當需要自訂音色，或者需要為每個階段分別選擇最優的ASR、LLM和TTS模型時。
即時還是檔案模式？
- 即時（WebSocket）：適用於語音助手、話務中心、同聲傳譯等即時語音互動情境。音頻流式輸入，語音流式輸出。
- 檔案模式（HTTP）：可以用延遲換取更好的效果，適用於視頻配音、播客翻譯、離線內容處理等情境。檔案模式下還支援 Function Calling、連網搜尋、思考模式、視頻上下文等附帶能力（詳見下方“S2S 單模型的附帶能力”）。
按情境選模型（S2S 單模型路線）
以下情境均針對 S2S 單模型路線。Pipeline 路線請按上述連結分別在 ASR / LLM / TTS 文檔中選型。
情境 | 推薦模型 | API |
|---|---|---|
語音助手 / 客服對話 |
| WebSocket |
成本敏感的對話 |
| WebSocket |
同聲傳譯 / 直播翻譯 |
| WebSocket |
視頻配音 / 播客翻譯 |
| HTTP |
視頻分析 / 批量打標（需要思考模式） |
| HTTP |
語義 VAD 語音助手 / 智能客服（支援 Function Calling） |
| WebSocket |
S2S 單模型的附帶能力
以下能力由 Qwen3.5-Omni / Qwen3-Omni 模型在 S2S 單模型路線下直接提供；其中 Function Calling 也可由 Qwen-Audio Realtime 提供。Qwen-Audio Realtime 不支援連網搜尋和思考模式。Pipeline 路線中，對應能力需要由其中的 LLM 等組件分別支援。
Function Calling
讓模型根據聽到和看到的內容執行操作 -- 查詢知識庫、查詢議程、觸發工作流程。使用 Qwen3 Omni（HTTP 模式）或 Qwen-Audio Realtime（WebSocket 模式）。
連網搜尋
讓模型檢索即時資訊，回答關於時事、股價、天氣等問題。使用 Qwen3.5 Omni（HTTP 和 WebSocket），包括 Plus 和 Flash 系列。模型自主決定是否搜尋。Qwen-Audio Realtime 不支援此功能。
思考模式
當回答品質比延遲更重要時，使用 Qwen3 Omni（HTTP 模式）。模型在回複前會逐步推理，適用於視頻分析、批量打標等情境。Qwen-Audio Realtime 不支援此功能。
翻譯
以下模型系列均支援語音翻譯：
- Qwen3.5-Livetranslate：支援 60 種語言互譯，其中 29 種支援音頻+文本輸出、31 種僅支援文本輸出，覆蓋中文、英語、法語、德語、俄語、日語、韓語、西班牙語、葡萄牙語、阿拉伯語等主流語種。
- Qwen3-Livetranslate：支援18種語言 + 5種中文方言，約3秒延遲，開箱即用。檔案模式支援輸入視頻以獲得上下文感知的翻譯精度。其中7種語言僅輸出文本（不輸出語音）。
- Qwen3.5-Omni：支援29種輸出語言 + 7種中文方言。優秀的音視頻理解能力和連網搜尋。可通過系統提示詞注入術語和領網域內容。支援即時和檔案模式。
- Qwen3-Omni-Flash：支援11種輸出語言 + 8種中文方言。可通過系統提示詞注入術語和領網域內容。支援即時和檔案模式。成本更低。
支援的語言
支援的語言
語言 | Qwen3.5-Livetranslate | Qwen3-Livetranslate | Qwen3.5-Omni | Qwen3-Omni-Flash |
|---|---|---|---|---|
英語 | 支援 | 支援 | 支援 | 支援 |
中文（普通話） | 支援 | 支援 | 支援 | 支援 |
粵語 | 僅文本 | 支援 | 支援 | 支援 |
四川話 | 支援 | 支援 | 支援 | 支援 |
上海話 | 支援 | 支援 | 支援 | 支援 |
北京話 | 支援 | 支援 | 支援 | 支援 |
天津話 | 支援 | 支援 | 支援 | 支援 |
南京話 | -- | -- | 支援 | 支援 |
陝西話 | -- | -- | 支援 | 支援 |
閩南語 | -- | -- | 支援 | 支援 |
法語 | 支援 | 支援 | 支援 | 支援 |
德語 | 支援 | 支援 | 支援 | 支援 |
俄語 | 支援 | 支援 | 支援 | 支援 |
意大利語 | 支援 | 支援 | 支援 | 支援 |
西班牙語 | 支援 | 支援 | 支援 | 支援 |
葡萄牙語 | 支援 | 支援 | 支援 | 支援 |
日語 | 支援 | 支援 | 支援 | 支援 |
韓語 | 支援 | 支援 | 支援 | 支援 |
泰語 | 支援 | 僅文本 | 支援 | 支援 |
印尼語 | 支援 | 僅文本 | 支援 | -- |
越南語 | 支援 | 僅文本 | 支援 | -- |
阿拉伯語 | 支援 | 僅文本 | 支援 | -- |
印地語 | 支援 | 僅文本 | 支援 | -- |
土耳其語 | 支援 | 僅文本 | 支援 | -- |
芬蘭語 | 支援 | -- | 支援 | -- |
波蘭語 | 支援 | -- | 支援 | -- |
荷蘭語 | 支援 | -- | 支援 | -- |
捷克語 | 支援 | -- | 支援 | -- |
烏爾都語 | 支援 | -- | 支援 | -- |
他加祿語 | 支援 | -- | 支援 | -- |
瑞典語 | 支援 | -- | 支援 | -- |
丹麥語 | 支援 | -- | 支援 | -- |
希伯來語 | 支援 | -- | 支援 | -- |
冰島語 | 支援 | -- | 支援 | -- |
馬來語 | 支援 | -- | 支援 | -- |
挪威語 | 支援 | -- | 支援 | -- |
波斯語 | 支援 | -- | 支援 | -- |
希臘語 | 僅文本 | 僅文本 | -- | -- |
南非荷蘭語 | 僅文本 | -- | -- | -- |
阿斯圖里亞斯語 | 僅文本 | -- | -- | -- |
白俄羅斯語 | 僅文本 | -- | -- | -- |
保加利亞語 | 僅文本 | -- | -- | -- |
孟加拉語 | 僅文本 | -- | -- | -- |
波斯尼亞語 | 僅文本 | -- | -- | -- |
加泰羅尼亞語 | 僅文本 | -- | -- | -- |
宿務語 | 僅文本 | -- | -- | -- |
愛沙尼亞語 | 僅文本 | -- | -- | -- |
加利西亞語 | 僅文本 | -- | -- | -- |
古吉拉特語 | 僅文本 | -- | -- | -- |
克羅地亞語 | 僅文本 | -- | -- | -- |
匈牙利語 | 僅文本 | -- | -- | -- |
爪哇語 | 僅文本 | -- | -- | -- |
哈薩克語 | 僅文本 | -- | -- | -- |
卡納達語 | 僅文本 | -- | -- | -- |
柯爾克孜語 | 僅文本 | -- | -- | -- |
拉脫維亞語 | 僅文本 | -- | -- | -- |
馬其頓語 | 僅文本 | -- | -- | -- |
馬拉雅拉姆語 | 僅文本 | -- | -- | -- |
馬拉地語 | 僅文本 | -- | -- | -- |
旁遮普語 | 僅文本 | -- | -- | -- |
羅馬尼亞語 | 僅文本 | -- | -- | -- |
斯洛伐克語 | 僅文本 | -- | -- | -- |
斯洛文尼亞語 | 僅文本 | -- | -- | -- |
斯瓦希裡語 | 僅文本 | -- | -- | -- |
塔吉克語 | 僅文本 | -- | -- | -- |
阿塞拜疆語 | 僅文本 | -- | -- | -- |
烏克蘭語 | 僅文本 | -- | -- | -- |
qwen-omni-turbo僅支援中文和英文。推薦模型
下表列出每個系列的常用入口模型。如需鎖定特定日期版本（用於版本迴歸或穩定性需求），請見下方“所有模型”。
模型 | API | 輸入 | Function Calling | 連網搜尋 | 思考模式 | 翻譯 |
|---|---|---|---|---|---|---|
| WebSocket | 音頻、文本 | 支援 | -- | -- | -- |
| WebSocket | 音頻、文本 | 支援 | -- | -- | -- |
| WebSocket | 文本、音頻、圖片 | 支援 | 支援 | -- | 29種 |
| HTTP | 文本、音頻、圖片、視頻 | 不支援 | 支援 | -- | 29種 |
| WebSocket | 文本、音頻、圖片、視頻 | -- | -- | -- | 11種 |
| HTTP | 文本、音頻、圖片、視頻 | 支援 | -- | 支援 | 11種 |
| WebSocket | 音頻、圖片 | -- | -- | -- | 60種 |
| HTTP | 音頻、視頻 | -- | -- | -- | 18種 |
所有模型
Qwen-Audio
模型 | API | 輸入 | Function Calling | 連網搜尋 | 思考模式 | 翻譯 |
|---|---|---|---|---|---|---|
| WebSocket | 音頻、文本 | 支援 | -- | -- | -- |
| WebSocket | 音頻、文本 | 支援 | -- | -- | -- |
Qwen3.5-Omni
模型 | API | 輸入 | Function Calling | 連網搜尋 | 思考模式 |
|---|---|---|---|---|---|
| WebSocket | 文本、音頻、圖片、視頻 | 支援 | 支援 | -- |
| WebSocket | 文本、音頻、圖片、視頻 | 支援 | 支援 | -- |
| HTTP | 文本、音頻、圖片、視頻 | 不支援 | 支援 | -- |
| HTTP | 文本、音頻、圖片、視頻 | 不支援 | 支援 | -- |
| WebSocket | 文本、音頻、圖片、視頻 | 支援 | 支援 | -- |
| WebSocket | 文本、音頻、圖片、視頻 | 支援 | 支援 | -- |
| HTTP | 文本、音頻、圖片、視頻 | 不支援 | 支援 | -- |
| HTTP | 文本、音頻、圖片、視頻 | 不支援 | 支援 | -- |
Qwen3-Omni
模型 | API | 輸入 | Function Calling | 連網搜尋 | 思考模式 |
|---|---|---|---|---|---|
| WebSocket | 文本、音頻、圖片、視頻 | -- | -- | -- |
| WebSocket | 文本、音頻、圖片、視頻 | -- | -- | -- |
| WebSocket | 文本、音頻、圖片、視頻 | -- | -- | -- |
| HTTP | 文本、音頻、圖片、視頻 | 支援 | -- | 支援 |
| HTTP | 文本、音頻、圖片、視頻 | 支援 | -- | 支援 |
| HTTP | 文本、音頻、圖片、視頻 | 支援 | -- | 支援 |
Qwen3.5-Livetranslate
模型 | API | 輸入 | 語言數 |
|---|---|---|---|
| WebSocket | 音頻 | 60 |
| WebSocket | 音頻 | 60 |
Qwen3-Livetranslate
模型 | API | 輸入 | 語言數 |
|---|---|---|---|
| WebSocket | 音頻 | 18 |
| WebSocket | 音頻 | 18 |
| HTTP | 音頻、視頻 | 18 |
| HTTP | 音頻、視頻 | 18 |
舊版模型
以下模型不再更新，新專案提案使用Qwen3.5-Omni。
模型 | 輸入 | API |
|---|---|---|
| 文本、音頻、圖片、視頻 | HTTP |
| 文本、音頻、圖片、視頻 | HTTP |
| 文本、音頻、圖片、視頻 | HTTP |
| 文本、音頻、圖片、視頻 | HTTP |
| 文本、音頻 | WebSocket |
| 文本、音頻 | WebSocket |
| 文本、音頻 | WebSocket |
下一步
選定模型後，參考對應的調用文檔：
- Qwen-Audio Realtime（WebSocket，即時語音對話）→ 即時語音對話（Qwen-Audio-Realtime）
- Qwen3.5-Omni / Qwen3-Omni（WebSocket，即時）→ 即時（Qwen-Omni-Realtime）
- Qwen3.5-Omni / Qwen3-Omni（HTTP，檔案）→ 非即時（Qwen-Omni）
- Qwen3.5-Livetranslate（WebSocket，即時）→ 即時語音/音視頻翻譯-千問
- Qwen3-Livetranslate（HTTP，檔案）→ 音視頻檔案翻譯-千問