技术实践｜端云协同的百炼语音AI软件开发套件-阿里云开发者社区

适用平台：安卓 Android、苹果 iOS、鸿蒙 HarmonyOS

关键词：音频处理｜Qwen-Audio-3.0｜百炼

自然的语音交互，通常需要在同一条链路中处理环境噪声和扬声器回声，检测用户是否发声，判断唤醒时机，并根据业务场景，在实时识别、实时对话、翻译、录音转写与语音合成等能力之间灵活组合。

Qwen Audio 移动端 SDK 是一套以高性能 C++ 为核心语言、覆盖 Android / iOS / HarmonyOS 三端的语音 AI 软件开发套件。它把语音能力拆解为可独立启用、自由组合的原子能力：设备端封装 VAD、AEC、KWS 与本地 TTS 等模块；通过兼容性广泛的 WebSocket / HTTP 协议，连接百炼云端的 ASR、TTS、Realtime、实时翻译与录音转写大模型能力。三端应用层面向统一的任务模型与回调语义，底层平台差异由 SDK 统一适配。

SDK 不预设唯一的交互范式，开发者可以像搭积木一样组织链路：以 KWS 作为入口，用 AEC、VAD 控制输入质量，再把处理后的音频流交给云端模型；也可以跳过 KWS 环节，直接构建实时字幕、同声传译或按键说话类对话应用——把原子的语音 AI 能力，组合成完整的产品体验。

01 一图看懂：统一 API 之下，是可自由组合的原子能力

图1:Qwen Audio 移动端 SDK 整体架构

Qwen Audio 移动端 SDK 的架构可以从上到下理解为五层：

层级	作用	代表能力
统一 API 层	三端统一接入、控制与事件回调	会话控制、音频输入、结果回调、播放控制
能力路由层	根据输入数据和业务配置选择对应的本地模块或云端交互协议	实时识别、实时对话、实时翻译、语音合成、录音文件转写
设备端能力	在端侧完成音频预处理与有效性判断，降低无效云端请求	KWS、AEC、VAD、离线 TTS
百炼云端能力	通过 Qwen Audio 移动端 SDK 封装的 WebSocket / HTTP 连接完成识别与生成	实时/非实时 ASR、TTS、Realtime、实时翻译
基础设施	网络连接、断网续传与跨平台系统适配	录放音管理、线程、TLS、三端适配

比能力数量更关键的，是能力之间可被稳定编排的组合关系。以语音助手为例，一条典型链路是：

麦克风 → AEC → VAD → KWS → 实时 ASR → 业务服务 → 流式 TTS → 扬声器。

同一套 SDK 还可快速组织为：

实时字幕：麦克风 → AEC/VAD（可选）→ 实时 ASR → 业务服务；
同声翻译：麦克风 → 实时语音翻译 → 双语文本和语音 → 扬声器；
实时语音助手：麦克风 → AEC/VAD → Realtime → 实时全双工交互；
会议纪要：录音文件 → 非实时 ASR / 文件转写 → 结构化文本结果。

02 接入 Qwen-Audio-3.0：实时识别、合成与语音对话

本节三端调用示例采用 Qwen Audio 移动端 SDK 的实际调用方式。实时识别、流式合成与实时语音对话均基于 NativeNui、任务参数和回调事件完成接入，但不同能力在实例类型、任务参数和音频输入方式上会存在差异。

2.1 Qwen-Audio-3.0-ASR 实时语音识别示例

一个 NativeNui 实例对应一路实时识别。应用先初始化 SDK，再设置详细可选参数，最后开始识别。以下以 qwen-audio-3.0-asr-flash-streaming 为例。

NativeNui nui_instance = new NativeNui();
nui_instance.initialize(this, genInitParams(debugPath),
        Constants.LogLevel.LOG_LEVEL_DEBUG, true);
nui_instance.setParams(genParams());
nui_instance.startDialog(Constants.VadMode.TYPE_P2T, genDialogParams());
private String genInitParams(String debug_path) {
    String str = "";
    try{
        JSONObject object = new JSONObject();
        object.put("device_id", "empty_device_id"); // 必填, 推荐填入具有唯一性的id, 方便定位问题
        object.put("url", "wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/inference");
        object.put("service_mode", Constants.ModeFullCloud); // 必填
        str = object.toString();
    } catch (JSONException e) {
        e.printStackTrace();
    }
    return str;
}
private String genParams() {
    String params = "";
    try {
        JSONObject nls_config = new JSONObject();
        // 模型选择, 注意模型对应的采样率要求。
        nls_config.put("model", "qwen-audio-3.0-asr-flash-streaming");
        // 设置待识别音频语种。无默认值，不设置时模型自动识别。
        nls_config.put("language_hints", ["en"]);
        if (isVadMode) {
            // 设置开启VAD（Voice Activity Detection，语音活动检测）断句，默认关闭。
            nls_config.put("semantic_punctuation_enabled", false);
            // 设置VAD（Voice Activity Detection，语音活动检测）断句的静音时长阈值（单位为ms）。
            // 取值范围[200, 6000]，默认1300。
            nls_config.put("max_sentence_silence", 800);
        } else {
            // 设置开启语义断句。
            nls_config.put("semantic_punctuation_enabled", true);
        }
        // 噪音参数阈值，参数范围：[-1,1]。取值说明如下：
        // 取值越趋于-1，噪音被判定为语音的概率越大。
        // 取值越趋于+1，语音被判定为噪音的概率越大。
        nls_config.put("speech_noise_threshold", 0.88);
        // 上下文增强：传入对话历史或领域语料，模型利用上下文修正识别结果
        nls_config.put("input_context", "context");
        JSONObject tmp = new JSONObject();
        tmp.put("nls_config", nls_config);
        // 必填, 设置成实时识别模式
        tmp.put("service_type", Constants.kServiceTypeSpeechTranscriber);
        params = tmp.toString();
    } catch (JSONException e) {
        e.printStackTrace();
    }
    return params;
}
private String genDialogParams() {
    String params = "";
    try {
        JSONObject dialog_param = new JSONObject();
        // 服务只需要在临时Token(API Key)快过期前刷新一次。各端侧在Token(API Key)快过期前从服务获得新的
        // 临时Token(API Key)。
        dialog_param.put("apikey", "临时token");
        params = dialog_param.toString();
    } catch (JSONException e) {
        e.printStackTrace();
    }
    return params;
}

实时音频接入通常有两种方式：默认由 SDK 通过 onNuiNeedAudioData 拉取音频数据；也可以由应用调用 updateAudio 主动推送。具体选择取决于应用是否需要在送入识别前插入本地音频处理，例如 AEC。

// 回调送数据：SDK 请求一帧音频时，将音频数据填入缓存
@Override
public int onNuiNeedAudioData(byte[ ] buffer, int len) {
    // 录音数据填入缓存
}

识别结果和事件信息通过 onNuiEventCallback 获取。

// 回调送数据：SDK 请求一帧音频时，将音频数据填入缓存
@Override
public void onNuiEventCallback(Constants.NuiEvent event, final int resultCode,
                                final int arg2, KwsResult kwsResult,
                                AsrResult asrResult) {
    if (event == Constants.NuiEvent.EVENT_TRANSCRIBER_STARTED) {
        // 交互开始
    } else if (event == Constants.NuiEvent.EVENT_TRANSCRIBER_COMPLETE) {
        // 交互结束
    } else if (event == Constants.NuiEvent.EVENT_ASR_PARTIAL_RESULT) {
        // 中间识别结果
    } else if (event == Constants.NuiEvent.EVENT_SENTENCE_END) {
        // 识别句结果
    } else if (event == Constants.NuiEvent.EVENT_ASR_ERROR) {
        // 发生错误
    }
}

2.2 Qwen-Audio-TTS 实时语音合成示例

流式输入 TTS 模式建议创建独立实例。上游文本可按句或按语义片段持续写入，合成音频通过流式回调返回后，应立即送入播放器队列，以降低首包延迟和端到端播放延迟。

NativeNui tts_instance = new NativeNui(Constants.ModeType.MODE_STREAM_INPUT_TTS);
int ret = tts_instance.startStreamInputTts(new INativeStreamInputTtsCallback() {
    @Override
    public void onStreamInputTtsDataCallback(byte[ ] data) {
        // 音频送入播放队列
    }
    @Override
    public void onStreamInputTtsEventCallback(StreamInputTtsEvent event,
            String taskId, String sessionId, int code, String message,
            String timestamp, String allResponse) {
        if (event == StreamInputTtsEvent.STREAM_INPUT_TTS_EVENT_SYNTHESIS_STARTED) {
            // 打开播放器
        } else if (event == StreamInputTtsEvent.STREAM_INPUT_TTS_EVENT_SYNTHESIS_COMPLETE) {
            // 已送完合成音频，等待播放器播空
        }
    }
}, genTicket(), genParameters(false), taskId,
    Constants.LogLevel.toInt(Constants.LogLevel.LOG_LEVEL_DEBUG), true);
tts_instance.sendStreamInputTts("您好，我已经为");
tts_instance.sendStreamInputTts("您查到相关信息。");
// 通知待合成文本发送完成，等待语音合成结束
tts_instance.asyncStopStreamInputTts();

每轮合成开始前应清空播放器缓存，并将上游文本按句切分后逐段调用 sendStreamInputTts。需要立即中断时，可调用 cancelStreamInputTts 或保持连接的取消接口；正常收尾时使用 asyncStopStreamInputTts，确保待合成文本完整发送并等待服务端结束事件。

2.3 Qwen-Audio Realtime 实时语音对话示例

一个 NativeNui 实例对应一路实时语音对话。应用先初始化 SDK，再设置详细可选参数，最后开始识别。以下以 qwen-audio-3.0-realtime-plus 为例。

NativeNui nui_instance = new NativeNui();
nui_instance.initialize(this, genInitParams(debugPath),
        Constants.LogLevel.LOG_LEVEL_DEBUG, true);
nui_instance.setParams(genParams());
nui_instance.startDialog(Constants.VadMode.TYPE_P2T, genDialogParams());
private String genInitParams(String debug_path) {
    String str = "";
    try{
        JSONObject object = new JSONObject();
        object.put("workspace", workspace); // 必填, 传入模型资源所在目录
        object.put("device_id", "empty_device_id"); // 必填, 推荐填入具有唯一性的id, 方便定位问题
        object.put("url", "wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/inference");
        object.put("service_mode", Constants.ModeFullCloud); // 必填
        // 使用主动推送录音数据的方式, 自动启动AEC, 是实时对话的基础
        object.put("audio_update_manually", "true");
        str = object.toString();
    } catch (JSONException e) {
        e.printStackTrace();
    }
    return str;
}
private String genParams() {
    String params = "";
    try {
        JSONObject nls_config = new JSONObject();
        // 模型选择, 注意模型对应的采样率要求。
        nls_config.put("model", "qwen-audio-3.0-realtime-plus");
        // 模型输出模态设置
        nls_config.put("modalities", "[\"text\", \"audio\"]");
        JSONObject turn_detection = new JSONObject();
        if (isVadMode) {
            // 服务端 VAD 检测语音起止，自动触发推理。
            turn_detection.put("type", "server_vad");
        } else {
            // 融合声学感知与语义理解判断轮次边界，而非仅依赖人声信号。无语义的声音（如”嗯”、”啊”）不会触发对话轮或打断模型播报。
            turn_detection.put("type", "smart_turn");
        }
        nls_config.put("turn_detection", turn_detection.toString());
        
        // 用户自有服务function_call注册
        nls_config.put("tools", "xxxx");
        JSONObject tmp = new JSONObject();
        tmp.put("nls_config", nls_config);
        // 必填
        tmp.put("service_type", Constants.kServiceTypeSpeechTranscriber);
        params = tmp.toString();
    } catch (JSONException e) {
        e.printStackTrace();
    }
    return params;
}
private String genDialogParams() {
    String params = "";
    try {
        JSONObject dialog_param = new JSONObject();
        // 服务只需要在临时Token(API Key)快过期前刷新一次。各端侧在Token(API Key)快过期前从服务获得新的
        // 临时Token(API Key)。
        dialog_param.put("apikey", "临时token");
        params = dialog_param.toString();
    } catch (JSONException e) {
        e.printStackTrace();
    }
    return params;
}

为实现实时对话中的全双工交互，应将 audio_update_manually 设置为 true，启用主动推送音频并开启 AEC 的工作模式。此时，应用需要同时将麦克风数据和播放参考数据送入 SDK，由 SDK 完成回声消除。

public void onPlayAudioData(byte[ ] data, int len) {
    // 将播放器输出音频作为参考信号送入SDK用于回声消除（仅SDK内部AEC模式需要，first_pack可不关注）
    nui_instance.updateRefAudio(data, len, false);
}
public int onRecorderData(byte[ ] data, int len, boolean first_pack) {
    // 开启SDK内部AEC时的录音数据回调：将原始音频通过updateAudio送入SDK，由SDK做AEC
    return nui_instance.updateAudio(data, len, first_pack);
}

识别结果和事件信息通过 onNuiEventCallback 获取。

@Override
public void onNuiEventCallback(Constants.NuiEvent event, final int resultCode,
                                final int arg2, KwsResult kwsResult,
                                AsrResult asrResult) {
    if (event == Constants.NuiEvent.EVENT_TRANSCRIBER_STARTED) {
        // 交互开始
    } else if (event == Constants.NuiEvent.EVENT_TRANSCRIBER_COMPLETE) {
        // 交互结束
    } else if (event == Constants.NuiEvent.EVENT_ASR_PARTIAL_RESULT) {
        // 中间识别结果
    } else if (event == Constants.NuiEvent.EVENT_SENTENCE_END) {
        // 识别句结果
    } else if (event == Constants.NuiEvent.EVENT_AUDIO_TRANSCRIPTION) {
        // 解析 delta 增量，累加后显示在回答内容中
    } else if (event == Constants.NuiEvent.EVENT_AUDIO_TRANSCRIPTION_COMPLETED) {
        // 最终结果，直接显示在回答内容中
    } else if (event == Constants.NuiEvent.EVENT_OTHER_RESULT) {
        // 根据返回结果处理function_call
    } else if (event == Constants.NuiEvent.EVENT_ASR_ERROR) {
        // 发生错误
    }
}

03 端云能力如何按需组合：KWS、AEC、VAD 与离线 TTS

端侧 AI 离用户最近，也最了解设备此刻的声音状态。它不一定负责完成复杂的语义理解，但需要先回答清楚“什么时候听、听什么、是否可信”这三个问题。

端侧第一原则 先把输入音频变成“可用的音频流”，再交给云端模型。端侧处理得越稳定，云端识别和对话链路越容易获得稳定的延迟与准确率。

KWS（关键词/命令词检测）：除了唤醒词能力，还支持多命令词和自定义唤醒词，可把常用动作前置为本地命令入口，避免应用始终将全部音频上传云端，更好地保护用户隐私。
AEC（回声消除）：利用扬声器播放的参考信号，抑制回声回灌，减少 AI“听见自己说话”的问题。
VAD（语音活动检测）：在噪声环境下检出有效语音区间，辅助停说检测、断句、打断和功耗控制。
TTS（语音合成播报）：离线 TTS 可以在无网时继续工作，适合作为导航提示、系统播报和关键指令的离线兜底。
音频与设备控制：管理麦克风采集、播放器队列、音频分片、线程与跨平台差异，保证输入与输出能够连续工作。

这也是为什么移动端语音产品不能只看 ASR 或 TTS 的单项指标：识别模型再强，如果麦克风采进了回声、断句时机不稳定，或者用户说完后播放器仍在播旧音频，体验依然会显得迟钝、不自然。开发者可以按场景在 Qwen Audio 移动端 SDK 中配置启用端侧模块，让它们在真实音频链路里协同发力。

场景一：AEC / VAD + KWS + TTS，指令回馈

组合：麦克风 → AEC → VAD → KWS → 业务逻辑 → TTS

当设备正在播放音乐或 AI 回答时，扬声器声音可能被麦克风重新采集。AEC 以播放参考信号为依据，尽量消除扬声器回声；VAD 区分有效语音与静音/背景声；KWS 在更可靠的语音片段中检测唤醒词，命中后再切换到识别或对话任务。

// 唤醒的工作实例
NativeNui nui_instance = new NativeNui();
// 本地语音合成的工作实例
NativeNui tts_instance = new NativeNui(Constants.ModeType.MODE_TTS);
nui_instance.initialize(this, genInitParams(debugPath),
        Constants.LogLevel.LOG_LEVEL_DEBUG, true);
nui_instance.setParams(genParams());
nui_instance.startDialog(Constants.VadMode.TYPE_ONLY_KWS, genDialogParams());
// 根据唤醒词/命令词，经过业务逻辑，最终结果通过TTS播报
tts_instance.startTts("1", "", "好的");
private String genInitParams(String debug_path) {
    String str = "";
    try{
        JSONObject object = new JSONObject();
        object.put("workspace", workspace); // 必填, 传入模型资源所在目录
        object.put("upgrade_file", "用户自定义的KWS模型路径");
        object.put("device_id", "empty_device_id"); // 必填, 推荐填入具有唯一性的id, 方便定位问题
        object.put("url", "wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/inference");
        object.put("service_mode", Constants.ModeFullLocal); // 必填
        // 使用主动推送录音数据的方式, 自动启动AEC和VAD组合
        object.put("audio_update_manually", "true");
        object.put("aec_params", "更详细的AEC高级参数配置");
        object.put("vad_params", "更详细的VAD高级参数配置");
        str = object.toString();
    } catch (JSONException e) {
        e.printStackTrace();
    }
    return str;
}
private String genParams() {
    String params = "";
    try {
        // 纯唤醒模式无需传入参数
        JSONObject parameters = new JSONObject();
        parameters.put("service_type", Constants.kServiceTypeASR);
        // 默认false, 即开始循环唤醒模式
        //开启后为单轮模式, 单轮模式需要每次唤醒后再调用start接口才会启动
        parameters.put("single_round", "false");
        //可以通过以下方式设置自定义唤醒词或命令词
        JSONArray dynamic_wuw = new JSONArray();
        parameters.put("wuw", xxx);
        params = parameters.toString();
    } catch (JSONException e) {
        e.printStackTrace();
    }
    return params;
}

唤醒结果通过 onNuiEventCallback 返回。同时，开发者也可以通过 onNuiAssistEventCallback 获取唤醒瞬间的音频数据以及 AEC 回声消除后的音频数据，用于支持更复杂的交互逻辑和问题定位。

@Override
public void onNuiEventCallback(Constants.NuiEvent event, final int resultCode,
                                final int arg2, KwsResult kwsResult,
                                AsrResult asrResult) {
    if (event == Constants.NuiEvent.EVENT_WUW) {
        // 唤醒词触发
    } else if (event == Constants.NuiEvent.EVENT_WUW_TRUSTED) {
        // 触发的唤醒词确认
    } else if (event == Constants.NuiEvent.EVENT_WUW_START) {
        // 唤醒时的音频数据开始回传
    } else if (event == Constants.NuiEvent.EVENT_WUW_END) {
        // 唤醒时的音频数据回传结束
    } else if (event == Constants.NuiEvent.EVENT_ASR_ERROR) {
        // 发生错误
    }
}
@Override
public void onNuiAssistEventCallback(Constants.NuiEvent event, String info, int info_len,
                                        byte[ ] data) {
    if (event == Constants.NuiEvent.EVENT_WUW_DATA) {
        // 唤醒瞬间的音频数据
    } else if (event == Constants.NuiEvent.EVENT_AEC_DATA) {
        // 开启SDK内部AEC且aec_params.enable_aec_data_callback为true时, 回送AEC处理后的音频
    }
}

04 典型产品场景示例

Qwen Audio 移动端 SDK 不限定上层业务服务。开发者可以在识别结果与语音合成之间接入自己的业务系统、知识检索、意图理解或大模型服务，将端侧音频能力、百炼语音能力与产品界面连接起来。下面以三种典型产品形态为例，说明如何按需选择能力，构建不同的语音体验。。

场景一：语音唤醒后接入自有服务

该场景以唤醒词作为交互入口，适用于导航、车载、智能终端等需要“先唤醒、再服务”的产品。设备在播放导航或 AI 播报时，AEC 抑制播放声音回灌，帮助 KWS 和 ASR 更准确地接收用户指令；识别完成后，应用将结果交给自有业务服务处理，并将服务结果同时展示和播报。

工作流如下：

麦克风音频先进入 AEC，将扬声器播放的导航或播报声音作为参考信号，降低回声干扰，提升后续指令接收的准确性；
KWS 在处理后的音频中检测唤醒词，将唤醒作为进入服务链路的入口；
Qwen-Audio ASR 将用户语音实时转为文本；
文本进入自有业务服务，例如地点搜索、路线规划、订单查询或大模型问答；
自有业务服务将结果分别传给应用界面和 Qwen-Audio TTS，实现文字、卡片或地图结果展示与语音播报；
播放音频继续回送至 AEC，形成可持续工作的闭环。

场景二：一问一答的语音交互

该场景是一种一问一答的简洁交互模式，适用于应用内语音搜索、对话助手和指令反馈。用户通过按键或麦克风直接发起一次语音请求，无需唤醒环节；应用将识别文本送往自有服务，并把本轮返回结果同步用于页面展示和语音播报。

工作流如下：

用户的语音输入由 Qwen-Audio ASR 转为文本；
文本进入自有业务服务，完成问答、搜索、指令处理或内容生成；
自有业务服务将返回结果分别传给应用界面和 Qwen-Audio TTS；
应用展示文本、卡片或对话消息，同时由 Qwen-Audio TTS 将结果流式合成为音频并播放，实现“看得到，也听得到”的反馈。

场景三：支持自定义工具的实时语音对话

在实时对话中，应用可以将天气查询、票务查询、搜索、订单处理等自有能力声明为工具。模型理解用户语义后，可在需要外部信息或业务执行时发起 function_call；服务返回调用结果后，模型结合结果继续生成实时文本与语音回复。

工作流如下：

麦克风音频经过 AEC 处理后进入 Qwen-Audio Realtime，降低播放回声对实时对话的干扰；
应用预先声明自定义工具及其调用参数，供模型在对话中按需选择；
模型理解语义并作出工具决策，需要执行外部能力时向自有服务发起 function_call；
自有服务执行天气、票务、搜索或其他业务逻辑，并将调用结果返回模型；
模型将工具结果融入本轮回复，持续输出文本和语音；
实时语音回复送往扬声器播放，播放参考同时回送 AEC，支持连续自然的多轮对话。

这一模式的关键在于：自有服务不必被改造成独立的语音产品，只需以工具形式接入，即可成为实时语音对话可调用、可执行的业务能力。

三个场景的差异主要体现在交互入口和业务深度：场景一以唤醒为入口，并通过 AEC 帮助设备更准确接收指令，适应持续播放和免手操作的环境；场景二采用直接的一问一答模式，链路更轻量；场景三进一步把自有服务作为工具接入，让实时语音对话可以完成实际任务。它们都保留自有服务的业务决策权，开发者可按产品需求扩展模型、交互和展示方式。

结语

把复杂的语音工程转化为简单、可组合的产品能力，依赖的不只是单个模型。语音大模型让机器具备了更强的理解和生成能力，但完整的产品体验来自原子能力在设备端、云端与业务系统之间的协同：麦克风负责把用户声音带进系统，端侧 AI 负责过滤回声、判断时机和协同交互，云端模型负责理解与生成，扬声器再把结果带回用户身边。

Qwen Audio 移动端 SDK 面向 Android、iOS、HarmonyOS 提供一套可组合的移动端语音底座：以 C++ 封装端侧 KWS、VAD、AEC 和 TTS 等能力，以统一协议连接百炼云端 ASR、TTS、Realtime、翻译与转写能力，并通过统一 API 与能力路由，让开发者按参数选择所需能力、直接构建产品体验。无论目标是可被唤醒的语音助手、实时双语会议，还是能够沉淀内容的智能记录工具，都可以基于同一套 Qwen Audio 移动端 SDK 语音能力组件，组合出适配目标用户与设备环境的交互方案。

把语音能力交给 SDK，把体验交给产品——现在就动手接入百炼语音 AI 移动端 SDK，让你的应用真正"听得懂、说得出、答得准"。

接入说明

本文代码主要用于说明技术链路，workspace、临时 Token、模型路径、工具定义和错误处理等内容，仍需根据实际项目补充。实际接入时，请根据目标 SDK 版本核对地域连接地址及输入输出采样率，并避免在移动端硬编码长期 API Key。

技术实践｜端云协同的百炼语音AI软件开发套件

01 一图看懂：统一 API 之下，是可自由组合的原子能力

02 接入 Qwen-Audio-3.0：实时识别、合成与语音对话

2.1 Qwen-Audio-3.0-ASR 实时语音识别示例

2.2 Qwen-Audio-TTS 实时语音合成示例

2.3 Qwen-Audio Realtime 实时语音对话示例

03 端云能力如何按需组合：KWS、AEC、VAD 与离线 TTS

场景一：AEC / VAD + KWS + TTS，指令回馈

04 典型产品场景示例

场景一：语音唤醒后接入自有服务

场景二：一问一答的语音交互

场景三：支持自定义工具的实时语音对话

结语

延伸阅读

阿里云百炼

热门文章

最新文章

相关电子书