实时语音对话与逐句翻译

开始前准备

• 已开通 Qwen Audio 3.1 Realtime Plus 权限的账户、账户中的 WorkspaceId 和 API Key。
• 可用的麦克风和输出设备。先在配置引导检查录音设备，建议戴耳机，避免把回复再次录入。
• 可连接所选云服务的网络。这里使用云端模型，无需下载本机声音模型。

连接会建立云端会话。点击「开始本句」后，麦克风音频会发送给所选服务，可能计费。本页使用系统音色，不上传声音克隆参考音。

先试通一句话

1. 01

   在配置引导保存连接

   打开配置引导的 API 服务步骤，找到并启用 Qwen Audio 3.1。填入账户实际工作区的 HTTPS 根地址、API Key，在实时模型项填 qwen-audio-3.1-realtime-plus，完成引导并保存。已有 Qwen 连接时，只需补齐实时模型项，识别与合成模型项分别保留。

   北京根地址为 https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com，新加坡为 https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com。把括号部分替换为账户中的实际 WorkspaceId，地域与账户开通的服务一致，不附加接口路径、端口或 /v1。其他声音功能支持的地域，按各自教程检查。

   1234

   1. 1启用 Qwen Audio 3.1，复用同一张服务卡片。
   2. 2把 WorkspaceId 换成自己的实际工作区编号，选择账户开通的地域。
   3. 3填写自己的 API Key；图解只会使用无效示例密钥，并保持遮蔽。
   4. 4实时模型填 qwen-audio-3.1-realtime-plus，原有识别和合成项分别保留。

2. 02

   选择连接，等待可以开始本句

   打开「语音工具 → 模型配置 → 云端 API」，选择「Qwen Audio 3.1 · Realtime」，再从「已保存的连接」中选连接。检查下方服务主机是否与你的工作区对应，不必再填地址和密钥。找不到连接时，点击「配置服务」返回引导检查并保存。

   先选「语音对话」，「我说的语言」选择实际讲话语言，「回复语言」可选希望听到的语言，或保留「不指定」。点击「连接」，等状态显示「已连接，可以开始本句」。

   1234

   1. 1选择配置引导中保存的连接，核对下方服务主机。
   2. 2选择你实际讲话的语言；不确定时可选自动识别。
   3. 3选择希望听到的回复语言；语音对话也可不指定。
   4. 4连接准备完成后，点击开始本句。

3. 03

   开始本句，说完再结束

   点击「开始本句」后讲话。按钮变为「结束本句」，状态显示正在采集，连接与语言暂时锁定。说完后点击「结束本句」，提交这一句，随后等待生成与播放。「结束本句」保留会话，听完还可以说下一句。

   123

   1. 1说完这句话后点击结束本句，提交本句。
   2. 2看状态确认当前正在采集，提交后等待回复。
   3. 3会话运行时设置被锁定；需要更改时先停止会话。

4. 04

   核对原文，再看回复

   左侧「我说的话」显示输入转写，右侧「语音回复」显示服务回应。出现「接收中…」时内容仍可能补充，完成后再核对漏字、数字和专名。回复语言是对服务的要求，请核对实际文字和声音。

   看过较早内容后，可点击该栏「回到最新」。等状态再次显示可以开始本句，再说下一句。

   12345

   1. 1先核对我说的话，尤其数字、专名与漏字。
   2. 2查看语音回复；接收中时文字还可能补充。
   3. 3回到最新可重新跟随本栏新内容。
   4. 4需要立即停掉当前回复时，点击打断回复。
   5. 5离开前点击停止会话，等待收尾。

5. 05

   暂停讲话，或打断当前回复

   短暂间歇时，先结束本句，等回复完成后暂不开始下一句。需要立即停掉正在生成或播放的回复时，点击「打断回复」，未完成内容会显示「已打断」。等状态恢复后再讲话。准备离开时请点「停止会话」，并等待收尾。

6. 06

   停止收尾，再离开

   点击「停止会话」，等状态显示会话已停止、连接按钮重新出现，再改配置或开始其他录音任务。关闭声音面板也会等待会话收尾。若停止尚未确认，面板保持锁定，请再次点击停止并等待。阅读教程不会自动停止运行中的会话，暂离前先停止。

需要逐句翻译时这样选

先停止当前会话，再选「翻译请求 · 实验」并指定回复语言。例如输入中文，回复 English。重新连接，按「开始本句 → 讲话 → 结束本句」提交。

这个模式要求翻译原意。原文中的问题也应被翻译，不要求服务回答问题。逐句核对译文、数字、专名和输出语言，重要内容请人工复核。需要持续识别与播报译声时，请看 实时同传教程。

1234

1. 1选择翻译请求 · 实验，要求翻译原意而非回答问题。
2. 2本例设置为中文；实际使用选择自己讲话的语言。
3. 3本例设置为 English；重要内容仍需核对实际输出语言。
4. 4重新连接后，按开始本句、讲话、结束本句提交。

调整音色与表达

在连接前展开「音色与表达要求」，选择系统音色，按需要开关「丰富情绪表达」，或填写简短的表达要求，例如「简短、自然地回复」。表达要求与翻译模式指令合并后最多 4000 个字符，使用普通文字和换行即可。更改前先停止会话。

需要使用参考录音克隆声音，请看 声音克隆教程；需要生成可保存的试音，可看 声音设计教程。

遇到问题

接下来