Qwen-Livetranslate-Realtime
本文介绍千问实时语音/音视频翻译 API 的服务端事件，包括事件类型、参数和示例。
相关文档：实时语音/音视频翻译-千问 。
error 服务端返回的错误信息。
{ "event_id" : "event_RoUu4T8yExPMI37GKwaOC" , "type" : "error" , "error" : { "type" : "invalid_request_error" , "code" : "invalid_value" , "message" : "Invalid modalities: ['audio']. Supported combinations are: ['text'] and ['audio', 'text']." , "param" : "session.modalities" } }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为error。 error object 错误的详细信息。 error.type string 错误类型。 error.code string 错误码。 error.message string 错误信息。 error.param string 与错误相关的参数，如session.modalities。
session.created 客户端连接后，服务端返回的第一个事件，包含本次连接的默认配置信息。
适用于 qwen3.8-livetranslate-flash-realtime。
{ "event_id" : "event_example" , "type" : "session.created" , "session" : { "id" : "sess_example" , "object" : "realtime.session" , "model" : "qwen3.8-livetranslate-flash-realtime" , "input_modalities" : [ "audio" ], "output_modalities" : [ "text" , "audio" ], "audio" : { "input" : { "format" : { "type" : "pcm" , "sample_rate" : 16000 }, "turn_detection" : { "type" : "speaker_detection" , "threshold" : 0.5 , "silence_duration_ms" : 1000 } }, "output" : { "format" : { "type" : "pcm" , "sample_rate" : 24000 }, "voice" : "Tina" } }, "translation" : { "language" : "en" } } }
qwen3.5-livetranslate-flash-realtime 示例：{ "event_id" : "event_QxBGpjBDmDDQQWDtrqBKB" , "type" : "session.created" , "session" : { "id" : "sess_OozZ1vtbPt2muDflHODIH" , "object" : "realtime.session" , "model" : "qwen3.5-livetranslate-flash-realtime" , "modalities" : [ "text" , "audio" ], "voice" : "Cherry" , "input_audio_format" : "pcm" , "sample_rate" : 16000 , "output_audio_format" : "pcm" , "turn_detection" : { "type" : "server_vad" , "threshold" : 0.2 , "silence_duration_ms" : 1000 }, "translation" : { "language" : "en" , "corpus" : { "phrases" : { "人工智能" : "Artificial Intelligence" , "机器学习" : "Machine Learning" } } } } } 参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为session.created。 session object 会话的配置。 session.id string 会话的唯一标识符。 session.object string 固定为realtime.session。 session.model string 使用的模型。 session.input_modalities array 适用于 qwen3.8-livetranslate-flash-realtime。输入模态，例如 ["audio"]。 session.output_modalities array 适用于 qwen3.8-livetranslate-flash-realtime。输出模态：["text"] 或 ["text", "audio"]。 session.audio object 适用于 qwen3.8-livetranslate-flash-realtime。音频输入与输出配置。 session.audio.input.format object 输入格式。type 默认值为 pcm，sample_rate 默认值为 16000（Hz）。 session.audio.input.turn_detection object 断句配置。默认 type 为 speaker_detection，threshold 为 0.5，silence_duration_ms 为 1000。 session.audio.output.format object 输出格式。type 默认值为 pcm，sample_rate 默认值为 24000（Hz）。 session.audio.output.voice string 输出音色，默认值为 Tina。 session.modalities array 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 模型输出模态设置。 session.voice string 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 模型生成音频的音色。 session.input_audio_format string 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 输入音频的格式，默认为pcm。 session.sample_rate integer 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 输入音频的采样率，单位为Hz。 session.output_audio_format string 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 输出音频的格式，默认为pcm。 session.turn_detection object 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 VAD（语音活动检测）配置。 session.translation object （可选） 翻译配置。 session.translation.language string （可选） 设置的翻译目标语种。 session.translation.corpus object （可选） 热词配置，用于提升特定词汇的翻译准确性。 session.translation.corpus.phrases object （可选） 热词映射表。key 为源语言词汇，value 为目标语言对应翻译，参见支持的语种 。
session.updated 收到用户的 session.update 请求后，若处理成功，则返回此事件；若出错，则返回 error 事件。
适用于 qwen3.8-livetranslate-flash-realtime。
{ "event_id" : "event_example" , "type" : "session.updated" , "session" : { "id" : "sess_example" , "object" : "realtime.session" , "model" : "qwen3.8-livetranslate-flash-realtime" , "input_modalities" : [ "audio" ], "output_modalities" : [ "text" , "audio" ], "audio" : { "input" : { "format" : { "type" : "pcm" , "sample_rate" : 16000 }, "turn_detection" : { "type" : "speaker_detection" , "threshold" : 0.5 , "silence_duration_ms" : 1000 } }, "output" : { "format" : { "type" : "pcm" , "sample_rate" : 24000 }, "voice" : "Tina" } }, "translation" : { "language" : "en" } } }
qwen3.5-livetranslate-flash-realtime 示例：{ "event_id" : "event_QxBGpjBDmDDQQWDtrqBKB" , "type" : "session.updated" , "session" : { "id" : "sess_OozZ1vtbPt2muDflHODIH" , "object" : "realtime.session" , "model" : "qwen3.5-livetranslate-flash-realtime" , "modalities" : [ "text" , "audio" ], "voice" : "Ethan" , "sample_rate" : 16000 , "input_audio_format" : "pcm" , "output_audio_format" : "pcm" , "input_audio_transcription" : { "model" : "qwen3-asr-flash-realtime" , "language" : "zh" }, "turn_detection" : { "type" : "server_vad" , "threshold" : 0.2 , "prefix_padding_ms" : 300 , "silence_duration_ms" : 1000 , "create_response" : true , "interrupt_response" : true }, "translation" : { "language" : "en" , "corpus" : { "phrases" : { "人工智能" : "Artificial Intelligence" , "机器学习" : "Machine Learning" } } }, "enable_voice_clone" : true , "voice_clone_options" : { "frequency" : "once" } } } 参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为session.updated。 session object 会话的配置。 session.id string 会话的唯一标识符。 session.object string 固定为realtime.session。 session.model string 使用的模型。 session.input_modalities array 适用于 qwen3.8-livetranslate-flash-realtime。输入模态，例如 ["audio"]。 session.output_modalities array 适用于 qwen3.8-livetranslate-flash-realtime。输出模态：["text"] 或 ["text", "audio"]。 session.audio object 适用于 qwen3.8-livetranslate-flash-realtime。音频输入与输出配置。 session.audio.input.format object 输入格式。type 默认值为 pcm，sample_rate 默认值为 16000（Hz）。 session.audio.input.turn_detection object 断句配置。默认 type 为 speaker_detection，threshold 为 0.5，silence_duration_ms 为 1000。 session.audio.output.format object 输出格式。type 默认值为 pcm，sample_rate 默认值为 24000（Hz）。 session.audio.output.voice string 输出音色，默认值为 Tina。 session.modalities array 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 模型输出模态设置。 session.voice string 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 模型生成音频的音色。 session.sample_rate integer （可选） 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 输入音频的采样率。 session.input_audio_format string 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 输入音频的格式，固定为pcm。 session.output_audio_format string 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 输出音频的格式，固定为pcm。 session.input_audio_transcription object 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 输入音频转录配置。仅在会话配置了input_audio_transcription.model参数时返回。 session.input_audio_transcription.model string 语音识别模型。 session.input_audio_transcription.language string 设置的语音识别语种。 session.turn_detection object 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 VAD（语音活动检测）配置。Manual 模式下（客户端在session.update中将该参数设为null）不返回此字段。 session.turn_detection.type string VAD 类型，固定为server_vad。 session.turn_detection.threshold float VAD 检测灵敏度。 session.turn_detection.prefix_padding_ms integer 语音开始前保留的音频时长（毫秒），避免丢失语音起始部分。 session.turn_detection.silence_duration_ms integer 语音结束后需保持静音的最短时长（毫秒），超过该时长即判定语音结束。 session.turn_detection.create_response boolean VAD 检测到语音结束后，是否自动触发翻译响应。 session.turn_detection.interrupt_response boolean VAD 检测到新一轮语音开始时，是否打断当前正在生成的翻译响应。 session.translation object （可选） 翻译配置。 session.translation.language string （可选） 设置的翻译目标语种。 session.translation.corpus object （可选） 热词配置，用于提升特定词汇的翻译准确性。 session.translation.corpus.phrases object （可选） 热词映射表。key 为源语言词汇，value 为目标语言对应翻译。 session.enable_voice_clone boolean 是否启用声音复刻。 session.voice_clone_options object 声音复刻控制参数，仅在enable_voice_clone为true时返回。 session.voice_clone_options.frequency string 音色复刻频率。
session.finished 会话结束事件，表示当前会话中，所有音频翻译已完成。
该事件在客户端发送session.finish 后才会发送，客户端接收到该事件后可主动断开连接。
{ "event_id" : "event_xxx" , "type" : "session.finished" }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为session.finished。
response.created 当服务端生成新的模型响应时，会返回此事件。
{ "event_id" : "event_L8hHVI5jYis6BzAjnPWJh" , "type" : "response.created" , "response" : { "id" : "resp_P79OOMs8LnrXVpiIHUCKR" , "object" : "realtime.response" , "conversation_id" : "conv_UFClXtYkRkFXrs48y8pmK" , "status" : "in_progress" , "modalities" : [ "text" , "audio" ], "voice" : "Cherry" , "output_audio_format" : "pcm16" , "output" : [] } }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为response.created。 response object 响应对象。 response.id string 响应的唯一标识符。 response.conversation_id string 当前会话的唯一标识符。 response.object string 对象类型，此事件下固定为realtime.response。 response.status string 响应状态，取值范围： completed（已完成）failed（失败）in_progress（进行中）incomplete（不完整） response.modalities array 响应的模态。 response.voice string 模型生成音频的音色。 response.output_audio_format string 输出音频的格式。 response.output string 此事件下目前为空。
response.done 响应生成完成后，服务端会返回此事件。事件中的 response 对象包含除原始音频数据外的全部输出项。
{ "event_id" : "event_CNea8oXNipVanSg2VIzkO" , "type" : "response.done" , "response" : { "id" : "resp_TfhYTqej692vsGA2jNEtH" , "object" : "realtime.response" , "conversation_id" : "conv_ZtyLfKVm8XqLwYRlsuDih" , "status" : "completed" , "modalities" : [ "text" , "audio" ], "voice" : "Cherry" , "output_audio_format" : "pcm16" , "output" : [ { "id" : "item_MKtkMwN9RtcyE9eJShyWy" , "object" : "realtime.item" , "type" : "message" , "status" : "completed" , "role" : "assistant" , "content" : [ { "type" : "audio" , "transcript" : "Hello? " } ] } ], "usage" : { "total_tokens" : 56 , "input_tokens" : 47 , "output_tokens" : 9 , "input_tokens_details" : { "text_tokens" : 20 , "audio_tokens" : 27 }, "output_tokens_details" : { "text_tokens" : 2 , "audio_tokens" : 7 } } } } 参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为response.done。 response object 响应对象。 response.id string 响应的唯一标识符。 response.conversation_id string 当前会话的唯一标识符。 response.object string 对象类型，此事件下固定为realtime.response。 response.status string 响应的状态。 response.modalities array 响应的模态。 response.voice string 模型生成音频的音色。 response.output_audio_format string 输出音频的格式。 response.output object 响应的输出。 response.output.id string 响应输出的唯一标识符。 response.output.type string 输出项的类型，当前固定为message。 response.output.object string 输出项的对象类型，当前固定为realtime.item。 response.output.status string 输出项的状态。 response.output.role string 输出项的角色。 response.output.content array 输出项的内容。 response.output.content.type string 输出内容的类型。输出为纯文本时，为text；输出包含音频时，为audio。 response.output.content.text string 输出的文本内容。 response.output.content.transcript string 音频转录为文字后的内容。 response.usage object 本次响应的 Token 消耗信息。
response.text.delta 适用于 qwen3.8-livetranslate-flash-realtime。 仅输出文本时，返回译文的新增文本片段。
{ "event_id" : "event_example" , "type" : "response.text.delta" , "response_id" : "resp_example" , "item_id" : "item_example" , "output_index" : 0 , "content_index" : 0 , "delta" : "Hello" }
参数 类型 说明 event_id string 事件唯一标识符。 type string response.text.delta。response_id string 响应 ID。 item_id string 消息 ID。 output_index integer 输出项索引。 content_index integer 内容片段索引。 delta string 本次新增的文本片段。按接收顺序累加，不覆盖已收到的文本。
response.text.text 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 使用 qwen3.8-livetranslate-flash-realtime 时，请处理 response.text.delta 事件。
当输出模态仅包含文本，且模型增量生成新的文本时，服务端将返回此事件。
{ "event_id" : "event_B1lIeyOXR7qJMEExbqtTG" , "type" : "response.text.text" , "response_id" : "resp_B1lIdtjF4Noqpn5NOjznj" , "item_id" : "item_B1lIdJsAJlJiFs8ztWpJt" , "output_index" : 0 , "content_index" : 0 , "text" : "How are" , "stash" : " you today?" }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为response.text.text。 text string 返回的增量文本。 response_id string 回复的ID。 item_id string 消息项ID，可以关联同一个消息项。 output_index integer 目前固定为 0。 content_index integer 目前固定为 0。 stash string 初步生成的临时文本，与当前 text 拼接后构成临时生成结果；系统会通过 response.text.text 事件持续更新 text 和 stash，直至收到response.text.done 事件，此时可通过 text 字段获取完整的最终文本。
response.text.done 当输出模态仅包含文本，且模型生成的文本结束时，服务端返回此事件。
当响应中断、不完整或取消时，服务端也会返回此事件。
{ "event_id" : "event_B1lIeE2Nac33zn5V7h2mm" , "type" : "response.text.done" , "response_id" : "resp_B1lIdtjF4Noqpn5NOjznj" , "item_id" : "item_B1lIdJsAJlJiFs8ztWpJt" , "output_index" : 0 , "content_index" : 0 , "text" : "How can I assist you today?" }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为response.text.done。 response_id string 响应的唯一标识符。 item_id string 消息项的唯一标识符。 output_index integer 目前固定为 0。 content_index integer 目前固定为 0。 text string 模型输出的完整文本。
response.audio.delta 当输出模态包含音频，且模型增量生成新的音频数据时，服务端将返回此事件。
{ "event_id" : "event_B1osWMZBtrEQbiIwW0qHQ" , "type" : "response.audio.delta" , "response_id" : "resp_P79OOMs8LnrXVpiIHUCKR" , "item_id" : "item_OFaPGtzfWCPyGzxnuEX9i" , "output_index" : 0 , "content_index" : 0 , "delta" : "UklGRnoGAABXQVZFZm10IBAAAAAB..." }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为response.audio.delta。 response_id string 响应的唯一标识符。 item_id string 消息项唯一标识符。 output_index integer 目前固定为 0。 content_index integer 目前固定为 0。 delta string 模型增量输出的音频数据，使用Base64编码。
response.audio.done 当输出模态包含音频，且模型生成音频结束时，服务端返回此事件。
当响应中断、不完整或取消时，服务端也会返回此事件。
该事件不返回完整音频数据。
{ "event_id" : "event_B1osWMWoDRYyITDyNYcBu" , "type" : "response.audio.done" , "response_id" : "resp_P79OOMs8LnrXVpiIHUCKR" , "item_id" : "item_OFaPGtzfWCPyGzxnuEX9i" , "output_index" : 0 , "content_index" : 0 }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为response.audio.done。 response_id string 响应的唯一标识符。 item_id string 消息项唯一标识符。 output_index integer 目前固定为 0。 content_index integer 目前固定为 0。
当服务端 VAD（语音活动检测）检测到用户开始说话时，返回此事件。
{ "event_id" : "event_xxx" , "type" : "input_audio_buffer.speech_started" , "audio_start_ms" : 568 , "item_id" : "item_xxx" }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为input_audio_buffer.speech_started。 audio_start_ms integer 检测到语音开始的时间点（毫秒），相对于音频流开始的偏移量。 item_id string 关联的消息项唯一标识符。 speaker_id integer 适用于 qwen3.8-livetranslate-flash-realtime。启用 speaker_detection 时返回的说话人标识。可通过本事件的 item_id 关联语音识别结果，并通过翻译消息项的 previous_item_id 关联译文。
当服务端 VAD 检测到用户停止说话时，返回此事件，标志本轮语音输入结束。由于翻译响应基于流式语音同步生成，实际的翻译响应可能已经在语音输入过程中开始，无需等待此事件。
{ "event_id" : "event_xxx" , "type" : "input_audio_buffer.speech_stopped" , "audio_end_ms" : 3900 , "item_id" : "item_xxx" }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为input_audio_buffer.speech_stopped。 audio_end_ms integer 检测到语音结束的时间点（毫秒），相对于音频流开始的偏移量。 item_id string 关联的消息项唯一标识符。
Manual 模式（turn_detection为null）下，客户端发送input_audio_buffer.commit事件后，服务端返回此事件进行确认，并自动开始生成翻译响应。
{ "event_id" : "event_xxx" , "type" : "input_audio_buffer.committed" }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为input_audio_buffer.committed。
客户端发送input_audio_buffer.clear事件后，服务端返回此事件进行确认，表示已清空缓冲区中尚未提交的音频数据。
{ "event_id" : "event_xxx" , "type" : "input_audio_buffer.cleared" }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为input_audio_buffer.cleared。
conversation.item.created 当对话中创建新的消息项时，服务端返回此事件。以下场景会触发此事件：
服务端开始生成翻译响应时，创建对应的 assistant 消息项（此时content为空数组，内容随流式响应逐步填充）。
Manual 模式下，客户端发送input_audio_buffer.commit事件后，服务端会额外创建一个对应用户输入音频的消息项（content中包含{"type": "input_audio"}）。
对于同一个 VAD 片段，服务端会分别创建语音识别结果和翻译结果消息项。语音识别结果消息项的 item.id 与翻译结果事件的 previous_item_id 相同。客户端可据此关联原文和译文，并同时展示。
{ "event_id" : "event_xxx" , "type" : "conversation.item.created" , "previous_item_id" : "item_asr_xxx" , "item" : { "id" : "item_translation_xxx" , "object" : "realtime.item" , "type" : "message" , "status" : "in_progress" , "role" : "assistant" , "content" : [] } }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为conversation.item.created。 previous_item_id string 前一消息项的唯一标识符。对于翻译结果事件，该值与同一 VAD 片段的语音识别结果消息项 item.id 相同。 item object 消息项信息。 item.id string 消息项的唯一标识符。 item.type string 固定为message。 item.object string 固定为realtime.item。 item.status string 消息项的状态。 item.role string 消息的角色，取值为assistant或user。 item.content array 消息的内容。响应刚创建时为空数组，随流式响应逐步填充；Manual 模式下 commit 产生的用户消息项中包含{"type": "input_audio"}。
适用于 qwen3.8-livetranslate-flash-realtime。 返回输入语音的原文识别增量。
{ "event_id" : "event_example" , "type" : "conversation.item.input_audio_transcription.delta" , "item_id" : "item_example" , "content_index" : 0 , "delta" : "Hello" }
参数 类型 说明 event_id string 事件唯一标识符。 type string conversation.item.input_audio_transcription.delta。item_id string 消息 ID。 content_index integer 内容片段索引。 delta string 本次新增的文本片段。按接收顺序累加，不覆盖已收到的文本。
conversation.item.input_audio_transcription.text 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 使用 qwen3.8-livetranslate-flash-realtime 时，请处理 conversation.item.input_audio_transcription.delta 事件。
当配置了input_audio_transcription.model参数时，服务端会流式返回输入音频的语音识别结果（源语言原文）。
{ "event_id" : "event_xxx" , "type" : "conversation.item.input_audio_transcription.text" , "item_id" : "item_xxx" , "content_index" : 0 , "text" : "" , "stash" : "今天天气真好" , "language" : "zh" , "emotion" : "neutral" }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为conversation.item.input_audio_transcription.text。 item_id string 消息项唯一标识符。 content_index integer 目前固定为 0。 text string 已确认的识别文本。 stash string 待确认的识别文本（可能会被后续事件修正）。 language string 检测到的源语种。 emotion string 被识别音频的情感。支持的情感如下： surprised：惊讶neutral：平静happy：愉快sad：悲伤disgusted：厌恶angry：愤怒fearful：恐惧
当配置了input_audio_transcription.model参数时，语音识别完成后服务端会返回此事件，包含最终的完整识别结果。
{ "event_id" : "event_xxx" , "type" : "conversation.item.input_audio_transcription.completed" , "item_id" : "item_xxx" , "content_index" : 0 , "transcript" : "今天天气真好，我们一起去公园散步吧。" , "language" : "zh" , "emotion" : "" }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为conversation.item.input_audio_transcription.completed。 item_id string 消息项唯一标识符。 content_index integer 目前固定为 0。 transcript string 完整的语音识别结果（源语言原文）。 language string 检测到的源语种。 emotion string 被识别音频的情感。支持的情感如下： surprised：惊讶neutral：平静happy：愉快sad：悲伤disgusted：厌恶angry：愤怒fearful：恐惧
当输入了音频但识别失败时，服务端发送该事件。与其他error事件分开处理，便于客户端识别相关的具体项目。
{ "event_id" : "event_xxx" , "type" : "conversation.item.input_audio_transcription.failed" , "item_id" : "item_xxx" , "content_index" : 0 , "error" : { "code" : "xxx" , "message" : "xxx" , "param" : "xxx" } }
参数 类型 说明 type string 事件类型，固定为conversation.item.input_audio_transcription.failed。 item_id string 关联的对话项 ID。 content_index integer 包含音频的内容部分的索引。 error.code string 错误代码。 error.message string 错误消息。
response.audio_transcript.delta 适用于 qwen3.8-livetranslate-flash-realtime。输出文本和音频时，返回译文的新增文本片段。
{ "event_id" : "event_example" , "type" : "response.audio_transcript.delta" , "response_id" : "resp_example" , "item_id" : "item_example" , "output_index" : 0 , "content_index" : 0 , "delta" : "Hello" }
参数 类型 说明 event_id string 事件唯一标识符。 type string response.audio_transcript.delta。response_id string 响应 ID。 item_id string 消息 ID。 output_index integer 输出项索引。 content_index integer 内容片段索引。 delta string 本次新增的文本片段。按接收顺序累加，不覆盖已收到的文本。
response.audio_transcript.text 适用于 qwen3.5-livetranslate-flash-realtime 等模型。 使用 qwen3.8-livetranslate-flash-realtime 时，请处理 response.audio_transcript.delta 事件。
当输出模态包含音频时，服务端可能返回此事件，用于展示实时翻译内容。
{ "event_id" : "event_xxx" , "type" : "response.audio_transcript.text" , "response_id" : "resp_xxx" , "item_id" : "item_xxx" , "output_index" : 0 , "content_index" : 0 , "text" : "Hello," , "stash" : " who are you?" }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为response.audio_transcript.text。 response_id string 响应的唯一标识符。 item_id string 消息项唯一标识符。 output_index integer 目前固定为 0。 content_index integer 目前固定为 0。 text string 已确认无误的翻译文本片段。 stash string 初步翻译的临时文本，与当前 text 拼接后构成临时翻译结果；系统会通过 response.audio_transcript.text 事件持续更新 text 和 stash，直至收到response.audio_transcript.done 事件，此时可通过 transcript 字段获取完整的最终翻译文本。
response.audio_transcript.done 当输出模态包含音频，且模型生成文本结束时，服务端返回此事件。
{ "event_id" : "event_VN4Q4GJugLcc1S23viW8E" , "type" : "response.audio_transcript.done" , "response_id" : "resp_P79OOMs8LnrXVpiIHUCKR" , "item_id" : "item_JvJauNH2CTXb1D9WV6pD4" , "output_index" : 0 , "content_index" : 0 , "transcript" : "How can I assist you today?" }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为response.audio_transcript.done。 response_id string 响应的唯一标识符。 item_id string 消息项唯一标识符。 output_index integer 目前固定为 0。 content_index integer 目前固定为 0。 transcript string 完整文本。
response.output_item.added 在响应生成过程中创建新输出项时，服务端返回此事件。
{ "event_id" : "event_B4O5yPt3Gjnjy5eYH3plG" , "type" : "response.output_item.added" , "response_id" : "resp_P79OOMs8LnrXVpiIHUCKR" , "output_index" : 0 , "item" : { "id" : "item_OFaPGtzfWCPyGzxnuEX9i" , "object" : "realtime.item" , "type" : "message" , "status" : "in_progress" , "role" : "assistant" , "content" : [] } }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为response.output_item.added。 response_id string 响应的唯一标识符。 output_index integer 目前固定为 0。 item object 输出项信息。 item.id string 输出项的唯一标识符。 item.type string 固定为 message。 item.object string 始终为 realtime.item 。 item.status string 输出项的状态。 item.role string 消息的角色。 item.content string 消息的内容。
response.output_item.done 当新的项输出完成时，服务端返回此事件。
{ "event_id" : "event_XkiwbYTBC9Wcdwy6uYJ2G" , "type" : "response.output_item.done" , "response_id" : "resp_P79OOMs8LnrXVpiIHUCKR" , "output_index" : 0 , "item" : { "id" : "item_JvJauNH2CTXb1D9WV6pD4" , "object" : "realtime.item" , "type" : "message" , "status" : "completed" , "role" : "assistant" , "content" : [ { "type" : "audio" , "text" : "你好，我是阿里云研发的大规模语言模型，我叫千问。有什么我可以帮助你的吗？" } ] } }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为response.output_item.done。 response_id string 响应的唯一标识符。 output_index integer 目前固定为 0。 item object 输出项信息。 item.id string 输出项的唯一标识符。 item.object string 始终为 realtime.item 。 item.type string 固定为 message。 item.status string 输出项的状态。 item.role string 发送消息的角色。 item.content string 消息的内容。
response.content_part.added 当新的内容部分输出时，服务端返回此事件。
{ "event_id" : "event_J2UixwYKZsXg7c9YXZetL" , "type" : "response.content_part.added" , "response_id" : "resp_P79OOMs8LnrXVpiIHUCKR" , "item_id" : "item_OFaPGtzfWCPyGzxnuEX9i" , "output_index" : 0 , "content_index" : 0 , "part" : { "type" : "audio" , "text" : "" } }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为response.content_part.added。 response_id string 响应的唯一标识符。 item_id string 消息项唯一标识符。 output_index integer 目前固定为 0。 content_index integer 目前固定为 0。 part object 输出项信息。 part.type string 内容部分的类型。 part.text string 内容部分的文本。
response.content_part.done 当新的内容部分输出完成时，服务端返回此事件。
{ "event_id" : "event_VN4Q4GJugLcc1S23viW8E" , "type" : "response.content_part.done" , "response_id" : "resp_P79OOMs8LnrXVpiIHUCKR" , "item_id" : "item_JvJauNH2CTXb1D9WV6pD4" , "output_index" : 0 , "content_index" : 0 , "part" : { "type" : "audio" , "text" : "你好，我是阿里云研发的大规模语言模型，我叫千问。有什么我可以帮助你的吗？" } }
参数 类型 说明 event_id string 本次事件唯一标识符。 type string 事件类型，固定为response.content_part.done。 response_id string 响应的唯一标识符。 item_id string 消息项唯一标识符。 output_index integer 目前固定为 0。 content_index integer 目前固定为 0。 part object 输出项信息。 part.type string 内容部分的类型。 part.text string 内容部分的文本。
音视频翻译-通义千问 API 参考
本文介绍通过 OpenAI 兼容接口调用 qwen3-livetranslate-flash 模型的输入与输出参数。
