跳转到主要内容
千问云 home page
开放平台文档
实时

LiveTranslate Java SDK

LiveTranslate Java SDK 参考文档

用户指南： 教程和完整示例请参见实时翻译。

配置概览

三个 Builder 对象控制一个翻译会话： 
OmniRealtimeParam          --> 连接配置：模型、端点、API key
  +-- OmniRealtimeConfig   --> 会话配置：音频格式、音色、输出模态
       +-- OmniRealtimeTranslationParam  --> 翻译配置：目标语言、自定义术语
将 OmniRealtimeParam 传入构造函数。连接成功后，调用 updateSession() 并传入 OmniRealtimeConfig 来设置音频和翻译选项。如果不调用 updateSession()，则使用默认值。

请求参数

OmniRealtimeParam

使用 OmniRealtimeParam.builder() 构建连接参数。 
OmniRealtimeParam param = OmniRealtimeParam.builder()
  .model("qwen3.5-livetranslate-flash-realtime")
  .url("wss://dashscope.aliyuncs.com/api-ws/v1/realtime")
  // 如果未设置环境变量，请将下一行替换为您的 API key：.apikey("YOUR_API_KEY")
  .apikey(System.getenv("DASHSCOPE_API_KEY"))
  .build();
参数类型必选说明
modelString是模型名称。推荐使用 qwen3.5-livetranslate-flash-realtime。qwen3-livetranslate-flash-realtime 为旧版模型。
urlString是WebSocket 端点。使用 wss://dashscope.aliyuncs.com/api-ws/v1/realtime。
apikeyString否API key。默认读取 DASHSCOPE_API_KEY 环境变量。

OmniRealtimeConfig

使用 OmniRealtimeConfig.builder() 构建会话参数，然后调用 conversation.updateSession(config)。 
// 设置自定义翻译术语
Map<String, Object> phrases = new HashMap<>();
phrases.put("Inteligencia Artificial", "Artificial Intelligence");
phrases.put("Aprendizaje Automático", "Machine Learning");

OmniRealtimeConfig config = OmniRealtimeConfig.builder()
  .modalities(Arrays.asList(OmniRealtimeModality.AUDIO, OmniRealtimeModality.TEXT))
  .voice("Tina")
  .inputAudioFormat(OmniRealtimeAudioFormat.PCM_16000HZ_MONO_16BIT)
  .outputAudioFormat(OmniRealtimeAudioFormat.PCM_24000HZ_MONO_16BIT)
  .InputAudioTranscription("qwen3-asr-flash-realtime")
  .translationConfig(OmniRealtimeTranslationParam.builder()
    .language("en")
    .corpus(OmniRealtimeTranslationParam.Corpus.builder()
      .phrases(phrases)
      .build())
    .build())
  .build();

conversation.updateSession(config);
参数类型必选说明
modalitiesList<OmniRealtimeModality>否输出模态。默认值：[AUDIO, TEXT]。设置为 [TEXT] 则仅输出文本。
voiceString否合成语音的音色。Qwen3.5-LiveTranslate-Flash-Realtime 默认音色为 Tina，Qwen3-LiveTranslate-Flash-Realtime 默认音色为 Cherry。参见支持的音色。
inputAudioFormatOmniRealtimeAudioFormat否输入音频格式。默认值：PCM_16000HZ_MONO_16BIT。
outputAudioFormatOmniRealtimeAudioFormat否输出音频格式。默认值：PCM_24000HZ_MONO_16BIT。
InputAudioTranscriptionString否用于转录输入语音的 ASR 模型。设置为 qwen3-asr-flash-realtime 可在翻译的同时接收源语言转录结果。注意：此方法名首字母大写（InputAudioTranscription），调用时请严格按此拼写。
translationConfigOmniRealtimeTranslationParam否翻译配置。参见下方 OmniRealtimeTranslationParam。

OmniRealtimeTranslationParam

使用 OmniRealtimeTranslationParam.builder() 构建翻译参数。 
// 设置翻译术语
Map<String, Object> phrases = new HashMap<>();
phrases.put("Inteligencia Artificial", "Artificial Intelligence");  // 源语言词汇：目标语言译文
phrases.put("Aprendizaje Automático", "Machine Learning");

OmniRealtimeTranslationParam translationParam = OmniRealtimeTranslationParam.builder()
  .language("en")  // 目标语言代码
  .corpus(OmniRealtimeTranslationParam.Corpus.builder()
    .phrases对话模型
图像生成 API
视频生成 API
3D 生成 API
专项模型 API
语音合成
语音识别
参数类型必选说明
languageString否目标语言代码。默认值：en。参见支持的语种。
corpusCorpus否自定义术语表，用于领域特定术语。
corpus.phrasesMap<String, Object>否术语映射。Key 为源语言术语，Value 为目标语言译文。示例：{"Inteligencia Artificial": "Artificial Intelligence"}

核心接口

OmniRealtimeConversation

管理 WebSocket 连接和音频流。 Import：com.alibaba.dashscope.audio.omni.OmniRealtimeConversation
方法说明
OmniRealtimeConversation(OmniRealtimeParam param, OmniRealtimeCallback callback)创建会话，传入连接参数和事件回调。
void connect()建立 WebSocket 连接。触发 session.created 和 session.updated 事件。可能抛出 NoApiKeyException、InterruptedException。
void updateSession(OmniRealtimeConfig config)更新会话配置。触发 session.updated 事件。未指定的参数使用默认值。
void appendAudio(String audioBase64)发送 Base64 编码的音频数据块。服务端自动检测语音边界并触发翻译。
void endSession()结束会话。服务端会完成进行中的翻译，然后发送 session.finished 事件。可能抛出 InterruptedException。
void close(int code, String reason)停止任务并关闭 WebSocket 连接。
String getSessionId()返回会话 ID。
String getResponseId()返回最新服务端响应的响应 ID。
long getFirstTextDelay()返回最新响应的首次文本延迟（毫秒）。
long getFirstAudioDelay()返回最新响应的首次音频延迟（毫秒）。

OmniRealtimeCallback

处理 WebSocket 上的服务端事件。继承此类并实现各方法。 Import：com.alibaba.dashscope.audio.omni.OmniRealtimeCallback
方法参数说明
void onOpen()无WebSocket 连接建立时调用。
abstract void onEvent(JsonObject message)message：包含服务端事件的 JSON 对象。每收到一个服务端事件时调用。解析 type 字段以识别事件类型。
abstract void onClose(int code, String reason)code：WebSocket 状态码。reason：关闭原因描述。WebSocket 关闭时调用。
onEvent 中的常见事件类型：
事件类型说明
input_audio_buffer.speech_started检测到音频流中的语音。
input_audio_buffer.speech_stopped检测到语音片段结束。
conversation.item.input_audio_transcription.completed源语言转录就绪。通过 message.get("transcript") 读取。需要设置 InputAudioTranscription。
response.audio_transcript.done翻译文本就绪。通过 message.get("transcript") 读取。
response.audio.delta翻译音频数据块可用。通过 message.get("delta") 读取 Base64 编码的音频。
error发生错误。通过 message.get("error").getAsJsonObject().get("message") 读取详情。

相关参考