Realtime API 是一系列针对性能、延迟、抗弱网、对接成本、适配性提供多种对接方式的方法，供客户灵活选择。
概述
Realtime API 支持 WebSocket、WebRTC 和 AOQ（AI over QUIC）三种传输协议，开发者可以根据业务场景灵活选择。
|
维度 |
WebSocket |
WebRTC |
AOQ |
|
适用场景 |
服务端集成、快速原型验证 |
浏览器端互动、传统音视频通话 |
AI 多模态实时交互、弱网场景、混合数据传输 |
|
浏览器兼容性 |
原生支持 |
原生支持 |
不支持 |
|
接入难度 |
极低 |
中等 |
低 |
|
弱网对抗 |
差 |
良好 |
极致 |
|
数据类型 |
文本/音频/图像 |
音视频 + 文本 |
音视频 + 文本 |
|
建连速度 |
慢 |
慢 |
快 |
|
回声消除/降噪 |
无，需客户端自行处理 |
内置 |
内置 |
|
AI 场景适配 |
基础，适合纯文本或低实时性场景 |
传统设计，AI 场景需额外适配 |
原生为 AI 多模态数据特征深度定制 |
|
端侧平台支持 |
全平台（任何支持 WebSocket 的环境） |
浏览器、移动端 |
Android / iOS / HarmonyOS |
开发者可根据实际需求选择协议方案：
-
WebSocket 方案：适合服务端集成、快速原型验证、对接入门槛要求极低的场景。通过 DashScope SDK 可快速实现实时语音对话。
-
WebRTC 方案：适合需要浏览器原生支持、已有 WebRTC 基础设施的传统音视频通话场景，内置回声消除和降噪能力。
-
AOQ 方案：适合对延迟、弱网对抗、多模态数据传输有极致要求的 AI 实时交互场景，同时内置回声消除和降噪能力，尤其是移动端原生应用。
模型/应用支持力度
不同协议对模型和应用的支持情况如下：
|
模型/应用类型 |
模型 |
AOQ |
WebRTC |
WebSocket |
|
实时全模态 |
qwen3.5-omni-plus-realtime |
|
|
|
|
qwen3.5-omni-flash-realtime |
|
|
|
|
|
qwen3.5-livetranslate-flash-realtime |
|
|
|
|
|
多模态开发套件 |
multimodal-dialog |
|
|
|
|
实时语音识别 |
Fun-ASR系列模型 |
|
|
|
|
实时语音合成 |
CosyVoice系列模型 |
|
|
|
|
实时语音对话 |
qwen-audio-3.0-realtime-plus、qwen-audio-3.0-realtime-flash |
|
|
|