本文以 Android 平台为例,介绍如何接入 AOQ Client SDK,使用 qwen3.8-livetranslate-flash-realtime 实现语音的实时翻译。其他平台的接入流程和模型事件处理方式类似,使用对应平台的 SDK 接口即可;下文客户端代码统一使用 Java。
模型能力详情请参考实时语音/音视频翻译模型说明,媒体与模型事件的分工请参考 AOQ 接入。
SDK 获取
AOQ Client SDK 及音频 Opus 插件请参见 SDK 下载。本文的音频传输示例使用 Opus,需要同时导入对应平台的插件。模型支持的语种、计费和限流以实时语音/音视频翻译模型说明为准。
SDK 导入
- Android
- iOS
- HarmonyOS
将 如果宿主工程已包含同名原生库,应先确认版本与依赖关系,避免重复打包不同版本的库。在
AoqClientSdk-release.aar 放入工程 app/libs/,将 libPluginOpus.so 按 ABI 放入 app/libs/armeabi-v7a/ 和 app/libs/arm64-v8a/。在 app/build.gradle 中声明依赖:AndroidManifest.xml 中声明权限:RECORD_AUDIO 还需要在运行时申请并取得用户授权。纯语音翻译不需要摄像头权限;启用视觉增强时,再声明和申请 CAMERA。本文 Java 示例使用以下导入:AppServer 获取 Token
客户端不直接保存千问AI平台 API Key。由业务 AppServer 使用 API Key 为每次翻译连接申请临时凭证,再通过 HTTPS 返回给已经完成业务鉴权的客户端。
按 Qwen-LiveTranslate-Realtime 的 AOQ 鉴权步骤搭建 AppServer。实时翻译属于 Realtime 协议,申请凭证时指定:
DASHSCOPE_API_KEY 从服务端环境变量或密钥管理服务读取。
clientIp,用于接入点调度。
客户端将返回值映射到 AoqConnectConfig:
| 网关返回字段 | SDK 字段 | 说明 |
|---|---|---|
aoqTokenForClient | token | 本次连接的临时令牌 |
sid | sid | 本次会话标识 |
clientRelayCertFingerprint | certFingerprint | 原样使用服务端返回的证书指纹 |
clientRelayEndpoints | relayEndpoints | 按结构转换完整接入点列表 |
extraInfo.workspaceIdHash | workspaceIdHash | 使用返回值;未返回时按 SDK 要求处理 |
实现实时语音翻译
整体交互流程

创建引擎并设置回调
调用 createEngine 创建引擎,注册连接、Data 消息及错误回调。业务对象需在会话期间持有引擎和监听对象。
AoqClientListener可以获取连接、模型消息和媒体设备等事件,请实现并在创建引擎的时候传入。
启动音频采集与播放
在已经取得麦克风权限的前提下,准备采集和播放。先关闭音频发送,再启动采集,避免引擎建连后默认推流。
采集已启动不代表模型已能接收音频。页面应在收到 session.updated 并成功开启发送后,再提示用户开始说话;本文不实现连接前音频缓存。
设置编解码及建立连接
主场景需要:
| 方向 | 轨道 | 用途 |
|---|---|---|
| 发布 | Audio | 向模型输入语音 |
| 发布 | Data | 发送会话配置与结束事件 |
| 订阅 | Audio | 接收翻译语音 |
| 订阅 | Data | 接收原文、译文与状态事件 |
connect 返回成功仅表示调用被接受。等待 onConnectionStatusChange 通知连接成功后,再发送模型配置。
配置翻译会话
连接成功后,通过 Data 轨发送下面的 session.update。该配置使用默认音色,不开启声音复刻:
session.update 完整参数请参考实时翻译客户端事件。
将上述 JSON 编码为 UTF-8 字节,通过 sendDataMsg 发送。
收到 session.updated 后开启媒体发送
在 onDataMsg 中解析事件类型。
下面先展示控制事件分流;原文与译文事件的处理见服务端事件。收到 session.finished 后设置业务完成状态,再由“断开连接与销毁引擎”中的释放方法收尾。
AOQ 与 WebSocket 的区别:本文通过 Audio 轨直接发送和接收音频。不要再发送
input_audio_buffer.append 重复上传同一份音频,也不要照搬 WebSocket 示例,在收到 response.audio.delta 后另起一个播放器重复播音。译音由 SDK 音频订阅和播放器处理;Data 轨用于字幕与模型事件。媒体与 Data 轨的使用方式请参考 AOQ 接入。结束输入,等待尾句翻译
点击结束时,正常结束顺序为:
- 停止采集,不再提交新的输入。
- 完成输入收尾后,关闭音频上行,发送一次
session.finish;保持 AOQ 连接、Data 订阅和音频播放。 - 继续接收尾句原文、译文和译音,等待
session.finished。 - 按本地播放收尾策略断开连接、释放资源。
session.finish 的发送要求请参考实时翻译客户端事件,session.finished 的字段与含义请参考实时翻译服务端事件。
断开连接与销毁引擎
收到 session.finished 后,服务端已经完成本会话处理,但这不等于本地扬声器已经播放完最后一段音频。如果产品要求完整播完译音,应先完成本地播放收尾,再执行以下方法。