客户端事件_大模型服务平台百炼(Model Studio)-阿里云帮助中心

本文介绍 qwen3-livetranslate-flash-realtime API 的客户端事件。

相关文档：实时音视频翻译-通义千问。

session.update

客户端建立 WebSocket 连接后，需首先发送该事件，用于更新会话的默认配置。

服务端收到 session.update 事件后，会校验参数。如果参数不合法，则返回错误；如果参数合法，则更新并返回完整的配置。

参数	类型	说明
type	string	事件类型，固定为`session.update`。
session	object	会话配置。
session.modalities	array	模型输出模态设置，可选参数： ["text"] 仅输出文本。 ["text","audio"]（默认值）输出文本与音频。
session.voice	string	生成音频的音色，可选值：支持的音色。默认值为"Cherry"。
session.input_audio_format	string	用户输入音频格式，当前仅支持设为“pcm16”。
session.output_audio_format	string	输出音频格式，当前仅支持设为“pcm16”。
session.translation	object	翻译配置。
session.translation.language	string	设置的翻译目标语种，可选值：支持的语种。默认值为"en"。

{
    "event_id": "event_ToPZqeobitzUJnt3QqtWg",
    "type": "session.update",
    "session": {
        "modalities": [
            "text",
            "audio"
        ],
        "voice": "Cherry",
        "input_audio_format": "pcm16",
        "output_audio_format": "pcm16",
        "translation": {
           "language": "en"
        }
    }
}

input_audio_buffer.append

向输入音频缓冲区追加音频字节。此缓冲区是临时存储空间，服务器使用此缓冲区检测并决定语音提交时机。

参数	类型	说明
type	string	事件类型，固定为`input_audio_buffer.append`。
audio	string	Base64 编码的音频数据。

{
    "event_id": "event_B4o9RHSTWobB5OQdEHLTo",
    "type": "input_audio_buffer.append",
    "audio": "xxxx"
}

input_image_buffer.append

用于将图片数据添加到缓冲区。图片数据可以是本地的图片，或从视频流实时采集的图片数据。

目前对图片输入有以下限制：

图片格式需要为JPG或JPEG，建议传入的图片分辨率为480P或720P，最大1080P；
单张图片大小不大于500KB；
图片数据需要经过Base64编码；
建议您以不超过 2张/秒的频率向服务端发送图片；
该事件的发送时间不可早于第一个input_audio_buffer.append事件。

参数	类型	说明
type	string	事件类型，该事件下固定为`input_image_buffer.append`。
image	string	经过 Base64 编码的图像数据。

{
    "event_id": "event_xxx",
    "type": "input_image_buffer.append",
    "image": "xxx"
}