Realtime API 提供多种传输协议，针对性能、延迟、弱网对抗、接入成本等不同需求进行优化
Realtime API 提供多种传输协议，针对性能、延迟、弱网对抗、接入成本等不同需求进行优化，供开发者灵活选择。
Realtime API 支持AOQ（AI over QUIC）、WebRTC和WebSocket三种传输协议，开发者可以根据业务场景灵活选择。
开发者可根据实际需求选择协议方案：
不同协议对模型的支持情况如下：
| 维度 | AOQ | WebRTC | WebSocket |
|---|---|---|---|
| 适用场景 | AI 多模态实时交互、弱网场景、混合数据传输 | 浏览器端互动、传统音视频通话 | 服务端集成、快速原型验证 |
| 浏览器兼容性 | 不支持 | 原生支持 | 原生支持 |
| 接入难度 | 低 | 中等 | 极低 |
| 弱网对抗 | 极致 | 良好 | 差 |
| 数据类型 | 音视频 + 文本 | 音视频 + 文本 | 文本/音频/图像 |
| 建连速度 | 快 | 慢 | 慢 |
| 回声消除/降噪 | 内置 | 内置 | 无，需客户端自行处理 |
| AI 场景适配 | 原生为 AI 多模态数据特征深度定制 | 传统设计，AI 场景需额外适配 | 基础，适合纯文本或低实时性场景 |
| 端侧平台支持 | Android / iOS / HarmonyOS | 浏览器、移动端 | 全平台（任何支持 WebSocket 的环境） |
- AOQ 方案：适合对延迟、弱网对抗、多模态数据传输有极致要求的 AI 实时交互场景，同时内置回声消除和降噪能力，尤其是移动端原生应用。
- WebRTC 方案：适合需要浏览器原生支持、已有 WebRTC 基础设施的传统音视频通话场景，内置回声消除和降噪能力。
- WebSocket 方案：适合服务端集成、快速原型验证、对接入门槛要求极低的场景。通过 DashScope SDK 可快速实现实时语音对话。
模型支持力度
不同协议对模型的支持情况如下：
| 类型 | 模型 | AOQ | WebRTC | WebSocket |
|---|---|---|---|---|
| 实时全模态 | qwen3.5-omni-plus-realtime | 支持 | 支持 | 支持 |
| 实时全模态 | qwen3.5-omni-flash-realtime | 支持 | 支持 | 支持 |
| 实时语音翻译 | qwen3.5-livetranslate-flash-realtime | 支持 | 支持 | 支持 |
| 实时语音识别 | Qwen-Audio-3.0-ASR-Flash-Streaming、Fun-ASR-Realtime系列模型 | 支持 | 不支持 | 支持 |
| 实时语音合成 | CosyVoice系列模型 | 支持 | 不支持 | 支持 |
| 实时语音合成 | qwen-audio-3.0-tts-flash、qwen-audio-3.0-tts-plus | 支持 | 不支持 | 支持 |
| 实时语音对话 | qwen-audio-3.0-realtime-plus、qwen-audio-3.0-realtime-flash | 支持 | 支持 | 支持 |