跳转到主要内容
千问 AI 平台 home page
文档
快速开始

实现接通模型

通过 AOQ、WebRTC 或 WebSocket 接入模型的完整流程

介绍如何通过 AOQ、WebRTC、WebSocket 三种协议接入 Realtime API 模型，包含各协议的连接流程、时序图和代码示例。

AOQ 接入

AOQ 基于 QUIC 协议深度定制，适合移动端原生应用，支持音频/视频/数据混合传输，内置极致抗弱网能力。以下以 iOS Demo 为例。

整体流程时序图

AOQ 整体流程时序图

创建引擎并设置回调

let config = AoqCreateConfig()
config.workDir = workDir
config.enableDumpAudio = false
engine = AoqClientEngine.createEngine(config, delegate: self)
实现 AoqEngineDelegate 协议监听 onConnectionStatusChange、onDataMsg、onError 等回调。

启动音频采集与播放

// 音频采集
let capCfg = AoqAudioCaptureConfig()
capCfg.channel = 1; capCfg.isExternal = false
engine.startAudioCapture(capCfg)
// 音频播放
let playCfg = AoqAudioPlaybackConfig()
playCfg.channel = 1; playCfg.isExternal = false
engine.startAudioPlayer(playCfg)
// 视频采集（可选）
let vidCfg = AoqVideoCaptureConfig()
vidCfg.width = 720; vidCfg.height = 1280; vidCfg.fps = 15
engine.startVideoCapture(vidCfg)

获取连接凭证

由业务 AppServer 代理千问 AI 平台请求，参考 Token 鉴权章节。

设置编解码及建立连接

设置编解码参数后调用 connect： 
// 音频编解码配置
let encCfg = AoqAudioCodecConfig()
encCfg.codecType = .audioPCM; encCfg.sampleRate = 16000; encCfg.channel = 1
engine.setAudioEncoderConfig(encCfg)
engine.setAudioDecoderConfig(encCfg)
// connect 前关闭媒体发送，待 session.updated 后再开启
engine.enableSendMediaStream(.audio, enable: false)
let config = AoqConnectConfig()
config.token = token
config.sid = sid
config.certFingerprint = certificate
config.relayEndpoints = relayEndpoints
config.workspaceIdHash = workspaceIdHash
config.publishTracks = [audioTrack, dataTrack]
config.subscribeTracks = [audioTrack, dataTrack]
engine.connect(config)
AOQ SDK 在建联后会默认发送媒体数据，此示例演示了连接模型时关闭媒体发送的能力。

配置 AI 会话

连接成功后发送 session.update 的示例，详见模型客户端事件参考： 
func onConnectionStatusChange(_ status: AoqConnectionStatus) {
  if status == .connected { sendSessionUpdate() }
}
private func sendSessionUpdate() {
  let json = """
  {
    // 该事件的id，由客户端生成
    "event_id": "event_ToPZqeobitzUJnt3QqtWg",
    // 事件类型，固定为session.update
    "type": "session.update",
    // 会话配置
    "session": {
        // 输出模态，支持设置为["text"]（仅输出文本）或["text","audio"]（输出文本与音频）。
        "modalities": [
            "text",
            "audio"
        ],
        // 输出音频的音色
        "voice": "Ethan",
        // 输入音频格式，当前仅支持设置为pcm。输入音频为16 kHz采样率的PCM音频流。
        "input_audio_format": "pcm",
        // 输出音频格式，当前仅支持设置为pcm。输出音频为24 kHz采样率的PCM音频流。
        "output_audio_format": "pcm",
        // 系统消息，用于设定模型的目标或角色。
        "instructions": "你是某五星级酒店的AI客服专员，请准确且友好地解答客户关于房型、设施、价格、预订政策的咨询。请始终以专业和乐于助人的态度回应，杜绝提供未经证实或超出酒店服务范围的信息。",
        // 是否开启语音活动检测。若需启用，需传入一个配置对象，服务端将据此自动检测语音起止。
        // 设置为null表示由客户端决定何时发起模型响应。
        "turn_detection": {
            // VAD类型，取值为server_vad或semantic_vad。使用qwen3.5-omni-realtime模型时推荐设为semantic_vad。
            "type": "semantic_vad",
            // VAD检测阈值。建议在嘈杂的环境中增加，在安静的环境中降低。
            "threshold": 0.5,
            // 检测语音停止的静音持续时间，超过此值后会触发模型响应
            "silence_duration_ms": 800
        }
    }
  }
  """
  let msg = AoqDataMsg()
  msg.data = json.data(using: .utf8)!
  engine.send(msg)
}

收到 session.updated 后开启媒体发送

收到模型回复 session.updated 的示例，详见模型服务器事件参考： 
func onDataMsg(_ msg: AoqDataMsg) {
  guard let obj = try? JSONSerialization.jsonObject(with: msg.data) as? [String: Any],
        let type = obj["type"] as? String else { return }
  if type == "session.updated" {
    engine.enableSendMediaStream(.audio, enable: true)
    engine.enableSendMediaStream(.video, enable: true)
  }
}
  1. 模型必须在收到 session.updated 后才开启媒体流发送，否则 AI 侧可能还未准备好接收数据。
  2. 建连时添加的音频轨道和视频轨道（即 AOQ 媒体通道）会自动将数据传输到服务端。
    • 音频：通过音频轨道直接传输，无需发送 input_audio_buffer.append 事件。
    • 视频：通过视频轨道发送画面帧，无需发送 input_image_buffer.append 事件。

断开连接与销毁引擎

engine.disconnect()
AoqClientEngine.destroy()

WebRTC 接入

WebRTC 协议不提供 SDK，Web 端可以通过 JavaScript，其他端可以通过开源项目或者第三方支持标准 WebRTC 协议的 RTC 服务商进行接入。以下文档以 Web 端 JavaScript 为例进行介绍。

整体流程图

WebRTC 整体流程图

建立连接

# pip install aiortc aiohttp certifi
import asyncio, aiohttp, ssl, certifi
from aiortc import RTCPeerConnection, RTCConfiguration, RTCSessionDescription
from aiortc.mediastreams import AudioStreamTrack
API_KEY = "your-api-key"
MODEL = "目标模型"
SIGNALING_URL = f"https://dashscope.aliyuncs.com/api/v1/webrtc/realtime?model={MODEL}"
async def connect():
  pc = RTCPeerConnection(RTCConfiguration(iceServers=[]))
  # 添加音频轨道，确保 Offer SDP 包含 m=audio（服务端必需）
  pc.addTrack(AudioStreamTrack())
  # 创建 DataChannel 以触发 SDP 协商（名称可自定义，服务端会通过名为 "txt" 的通道推送事件）
  pc.createDataChannel("oai-events")
  # SDP 交换：创建 Offer 并发送到服务端
  offer = await pc.createOffer()
  await pc.setLocalDescription(offer)
  async with aiohttp.ClientSession() as session:
    async with session.post(
      SIGNALING_URL,
      ssl=ssl.create_default_context(cafile=certifi.where()),
      data=offer.sdp.encode("utf-8"),
      headers={
        "Content-Type": "application/sdp",
        "Authorization": f"Bearer {API_KEY}",
      },
    ) as resp:
      if not resp.ok:
        raise Exception(f"SDP 交换失败: {resp.status} {await resp.text()}")
      answer_sdp = await resp.text()
  print("=== Offer SDP ===")
  print(offer.sdp)
  print("=== Answer SDP ===")
  print(answer_sdp)
  # ICE 建连自动完成
  await pc.setRemoteDescription(RTCSessionDescription(sdp=answer_sdp, type="answer"))
  print("WebRTC 连接已建立")
  return pc

配置目标模型参数

监听模型返回的 DataChannel 消息保证交互时序： 
pc.ondatachannel = (event) => {
  const ch = event.channel;
  ch.onmessage = (e) => {
    let obj;
    try { obj = JSON.parse(e.data); }
    catch (err) {
      return;
    }
    if (obj?.type === "session.created") {
      sendUpdate(event.channel);
      //开始推送音视频
      audioSender?.replaceTrack(audioTrack);
      videoSender?.replaceTrack(videoTrack);
    }
  };
};

收发媒体数据

建连时添加的音频轨道和视频轨道（即 RTP 媒体通道）会自动将数据传输到服务端。
  • 音频：通过音频轨道（RTP）直接传输，无需发送 input_audio_buffer.append 事件。
  • 图片：通过视频轨道（RTP）发送画面帧，不支持 input_image_buffer.append 事件。
WebRTC 仅支持服务端 VAD 模式（server_vad 或 semantic_vad），不支持手动模式。

Demo 源码

前提条件

  • 使用支持 WebRTC 的现代浏览器（Chrome、Edge、Firefox、Safari 等）。
  • 浏览器需要麦克风权限。
  • 浏览器无法直接向服务端发起建立连接的请求（受浏览器跨域安全策略限制），因此需要通过终端执行 curl 命令来完成连接建立。

运行示例

新建一个 HTML 文件，命名为 webrtc_demo.html，并将以下代码复制到文件中： webrtc_demo.html。 在浏览器中打开此文件，按以下步骤操作：
  1. 点击开始会话，页面会自动生成 Offer SDP 和对应的 curl 命令。
  2. 点击复制 curl 命令，在终端中执行。命令返回的内容即为 Answer SDP。
  3. 将 Answer SDP 粘贴到页面的 Answer SDP 文本框中，点击设置 Answer 即可建立连接并开始语音对话。

WebSocket 接入

可以通过 DashScope SDK 或者模型的 API 进行接入，详见：