Qwen Audio 3.0 Realtime: Teknik Özellikler, Fiyatlandırma ve Erişim

Qwen Audio 3.0 Realtime, Qwen'in mevcut ürün gamındaki gerçek zamanlı ses özelliğidir: konuşabildiğiniz ve aynı anda karşılık alabildiğiniz, gecikmesi bir telefon görüşmesi hissi verecek kadar düşük bir model. Alibaba’nın platformunda Qwen3-Omni / Qwen3.5-Omni Realtime API üzerinden sunulur (qwen3-omni-flash-realtime gibi model kimlikleriyle), saf metinden sese dönüşüm için Qwen-TTS-Realtime ve transkripsiyon için qwen3-asr-flash ile. Barındırılan omni Realtime modelleri 100’den fazla dili tanır, kesintiye izin veren tam çift yönlü modda çalışır ve konuşma dakikası başına bir sentin çok küçük bir kısmı kadar maliyetlidir.

İçeri girmenin en hızlı yolu, WebSocket üzerinden qwen3-omni-flash-realtime kullanmaktır. Aşağıda her modelin ne yaptığı, ne kadar olduğu, OpenAI Realtime ve Gemini Live ile nasıl karşılaştırıldığı ve nasıl başlanacağı anlatılmaktadır. Her teknik özellik, fiyat ve model kimliği, birincil kaynağına bağlanmıştır; çoğunlukla Alibaba'nın Model Studio Realtime dokümantasyonu ve Qwen3-Omni model kartı; sağlayıcılar burada hızlı hareket eder, bu yüzden bir sayı değişmişse bağlantılı kaynağa güvenin.

Qwen ses modellerinin adlandırılması

Qwen ses serisi birkaç nesil boyunca ilerler ve bu soy ağacını bilmek doğru modele ulaşmayı kolaylaştırır:

• Qwen-Audio (2023) ve Qwen2-Audio ses *anlama* modelleriydi: ses girer, metin çıkardı. Geri konuşmazlardı.
• Mevcut nesil, sesi omni modellere dahil ediyor. Qwen3-Omni ve Qwen3.5-Omni metin, görseller, ses ve video alır; hem metin hem de doğal konuşma üretir.
• Gerçek zamanlı davranış bir *teslimat katmanıdır*: Realtime API aracılığıyla çağrılan aynı omni modeller, model kimlikleri -realtime ile biter.

Yani "Qwen Audio 3.0 Realtime" (nasıl noktalarsanız noktalayın) gerçek zamanlı kullanılan Qwen3-Omni ailesine işaret ediyor ve bu kılavuzun geri kalanı da bu yığını kapsıyor.

Qwen gerçek zamanlı ses yığını, üç katmanda

Tek bir modeli düşünmek yerine bir boru hattını düşünmek yardımcı olur. Bir üretim ses uygulaması genellikle üç Qwen modeline dokunur ve bunları birlikte veya bağımsız olarak kullanabilirsiniz.

1. Konuşmadan — qwen3-asr-flash. Canlı altyazılar ve sesli asistan ön uçları için ayarlanmış, WebSocket üzerinden akışlı konuşma tanıma. Çok geniş bir dil yelpazesinde transkripsiyon yapar ve ucuz bir transkripsiyon iş gücü olarak fiyatlandırılır. 2. Gerçek zamanlı konuşma — qwen3.5-omni-flash-realtime, qwen3-omni-flash-realtime, qwen3.5-omni-plus-realtime. Burası çekirdektir: ses (ve video kareleri) içeri girer, metin ve sentezlenmiş konuşma dışarı çıkar; istek başına yeniden açılmak yerine turlar boyunca açık kalan kalıcı bir bağlantı üzerinden çalışır. 3. Konuşma çıkışı — Qwen-TTS-Realtime. Yalnızca metni sese dönüştürmeniz gerektiğinde kullanılan, özel bir akışlı metinden sese modelidir; örneğin bir metin LLM'nin ürettiği bir yanıtı sesli okumak için.

Orta katman için omni Realtime modelini kullanırsanız, konuşma girişini ve konuşma çıkışını uçtan uca ele aldığı için genellikle ayrı ASR ve TTS çağrılarına ihtiyaç duymazsınız. Ayrı modeller, karıştırıp eşleştirmek istediğiniz durumlar içindir (örneğin, kendi STT'niz ile Qwen TTS).

Gerçekten önemli olan teknik özellikler

İşte Model Studio Realtime documentation sayfasındaki sayılar; pazarlama sayfalarından değil.

Bunlardan birkaçı özellikle vurgulanmayı hak ediyor. Semantic interruption, modelin bir kullanıcının sözünü kestiğini mi yoksa sadece "mm-hmm" gibi geri bildirimler verdiğini mi anlayabilmesi anlamına gelir; bu da doğal bir sesli ajan ile sinir bozucu bir sesli ajan arasındaki farktır. WebRTC support, tarayıcıda geliştiriyorsanız önemlidir; çünkü yankı iptalini ve jitter'ı sizin için yönetir. Ve 113-language tanıma sayısı hosted API içindir; open-weight sürümü, aşağıda belirtildiği gibi, daha dar bir kapsamı kapsar.

Gecikme konusunda: özel Qwen-TTS-Realtime akış yolu, Qwen3-TTS akış belgelerine göre yaklaşık 97 ms ilk paket gecikmesini hedefler; konuşmanın anlık hissedilip hissedilmemesini belirleyen sayı budur. Bu değer, tam bir yanıt değil, ilk ses parçasına kadar geçen süredir. Tam konuşma döngüsü için Thinker–Talker tasarımı akış için oluşturulmuştur; Qwen3-Omni teknik raporu gecikmeyi en aza indirmeyi amaçlayan çoklu kod kitabı tasarımını açıklar ve topluluk testleri, tam çift yönlü, kesintiye açık oturumlarla sesten sese yanıtı 250 ms altı aralığında gösterir. Gerçek sayılar bölgenize, ağınıza ve yükünüze bağlıdır; bu yüzden tek bir manşet değerine güvenmek yerine kendi trafiğiniz üzerinde ölçüm yapın.

Qwen gerçek zamanlı ses fiyatlandırması, sade rakamlarla

Qwen'in barındırılan realtime fiyatları, kapalı realtime API'lerden belirgin şekilde daha düşüktür. Bunlar, Portkey'in DashScope model dizininde listelendiği gibi, milyon token başına ücretlerdir (girdi / çıktı) (Alibaba'nın ücretlerini yansıtan üçüncü taraf bir toplayıcıdır; taahhütte bulunmadan önce canlı rakamı Model Studio console içinde doğrulayın):

Her çağrı için bunun anlamı. Ses, token açısından yoğundur: kabaca dakika başına 427 ses tokenı. Kullanıcının 5 dakika konuştuğu ve modelin 5 dakika yanıt verdiği 10 dakikalık bir sesli görüşmeyi ele alın. qwen3-omni-flash-realtime üzerinde bu, yaklaşık 2.135 giriş tokenı ve 2.135 çıkış tokenı demektir; yani kabaca $0.001 giriş + $0.004 çıkış ≈ 10 dakikalık çağrı başına yarım sent. Ölçek büyütüldüğünde bile gerçek zamanlı ses ucuzdur; insanları şaşırtan maliyet, konuşma yanıtlarının girdiye göre yaklaşık 4 kat fiyatlandırılması nedeniyle, *çıkış* tarafındaki konuşma süresidir.

Bütçe ayırmadan önce iki şey daha:

• Ücretsiz bir kota vardır, ancak bölgeseldir. Singapur (uluslararası) uç noktası 90 gün boyunca 1 milyon giriş ve 1 milyon çıkış token’ını ücretsiz sunmuştur; ABD uç noktası ise sunmamıştır. Kotalar değişir, bu yüzden buna göre plan yapmadan önce bölgeniz için geçerli mevcut teklifi Model Studio console içinde doğrulayın.
• qwen3.5-omni katmanı sabit bir ücret yerine istek boyutu fiyatlandırma dilimlerini kullanır, bu nedenle tek bir büyük bağlamlı istek, birkaç küçük isteğe kıyasla farklı bir fiyat bandına girebilir. Bunu taahhütte bulunmadan önce gerçek trafik yapınızla test edin.

OpenAI Realtime ve Gemini Live ile karşılaştırıldığında nasıl?

Genel amaçlı frontier LLM sağlayıcıları arasında, 2026 ortasında açıkça öne çıkan üç gerçek zamanlı speech-to-speech seçeneği OpenAI'nin Realtime API'si, Google'ın Gemini Live'ı ve Qwen'in omni Realtime ailesidir. (ElevenLabs, Deepgram, Cartesia ve Hume gibi uzman ses sağlayıcıları özellikle TTS ve STT alanlarında güçlü biçimde rekabet eder; bu karşılaştırma, tam çok modlu model yaklaşımıyla ilgilidir.) Aylık olarak değişen rakip fiyatlarını aktarmak yerine, seçimi şu şekilde değerlendirebilirsiniz:

• Maliyet. Yukarıda gösterilen çağrı başı oranlarda, Qwen'in gerçek zamanlı fiyatlandırması barındırılan frontier-model seçeneklerinin düşük ucunda yer alır. Karşılaştırma için, OpenAI'nin Realtime sesi girdi için dakika başına yaklaşık $0.06 ve çıktı için dakika başına $0.24 civarında seyretmiştir (fiyatlandırma dökümü burada); bu temel üzerinden bakıldığında, qwen3-omni-flash-realtime üzerinde yaklaşık yarım sent tutan aynı 10 dakikalık görüşme OpenAI'de $1.50'ye daha yakın bir maliyete çıkar. Bu farktan yararlanmayı düşünmeden önce her iki taraftaki canlı oranları doğrulayın, çünkü bunların hepsi değişir; ancak fark büyüktür. Qwen ayrıca, marjinal maliyeti sıfıra yaklaştırmak için kendi altyapınızda barındırabileceğiniz open-weight sürüme sahip olan üçlü içindeki tek seçenektir.
• Açıklık. OpenAI Realtime ve Gemini Live yalnızca kapalı API'lerdir. Qwen3-Omni açık weight'lerle gelir, bu nedenle uygulamanızı yeni bir modelin davranışına göre yeniden yazmadan barındırılan sürümden kendi altyapınızda barındırılan sürüme geçebilirsiniz.
• Kalite. Üçüncü taraf kapsam raporları, üst qwen3.5-omni-plus katmanının bazı ses-anlama ölçütlerinde Gemini 3.1 Pro ile eşleştiğini veya onu geçtiğini bildiriyor; herhangi bir tek ölçütü başlangıç hipotezi olarak ele alın ve kendi ses veriniz üzerinde test edin.
• Ekosistem. OpenAI ve Google bugün daha derin araçlara, SDK'lara ve topluluk örneklerine sahiptir. Qwen'in dokümantasyonu sağlamdır, ancak daha çok ham WebSocket/WebRTC spesifikasyonuna dayanacaksınız.

Pratik değerlendirme: maliyet veya kendi kendine barındırma seçeneği önemliyse, Qwen en güçlü tercihtir. En olgun SDK deneyimini istiyor ve bunun için ödeme yapmayı kabul ediyorsanız, OpenAI ve Google seçenekleri hâlâ kullanım kolaylığı açısından önde. Kapalı alternatiflerin tam maliyet dökümü için aşağıdaki ilgili okumaya bakın.

Hangi varyantı seçmelisiniz?

3.5 katmanları, daha yalın qwen3-omni-flash’e (8 tur) kıyasla ses klonlama ile daha uzun bağlam ve diyalog sınırları ekler (100 tura ve 600 saniyeye kadar saklanan ses). Prototipleme yapıyorsanız, Flash ile başlayın; yalnızca adı konulabilir bir sınıra ulaştığınızda Plus’a geçin.

Nasıl erişilir

Barındırılan, doğrudan yol. Alibaba Cloud Model Studio içinde bir API anahtarı sağlayın, ardından Bearer kimlik doğrulamasıyla bir WebSocket bağlantısı açın (veya tarayıcı uygulamaları için bir SDP POST aracılığıyla WebRTC anlaşması yapın). PCM sesini yukarı akışta gönderir ve aşağı akışta PCM ses ile birlikte metin alırsınız. DashScope Python SDK, soketi elle yönetmek istemiyorsanız Realtime arayüzünü sarmalar. Çıplak bağlantı kısadır (taslak, hata işleme çıkarılmıştır):

```python import os, json, base64, websocket

MODEL = "qwen3-omni-flash-realtime" url = f"wss://dashscope-intl.aliyuncs.com/api-ws/v1/realtime?model={MODEL}" ws = websocket.create_connection( url, header=[f"Authorization: Bearer {os.environ['DASHSCOPE_API_KEY']}"] )

# 1. oturumu yapılandırın: ses, çıktı biçimi, sunucu tarafı turn algılama ws.send(json.dumps({ "type": "session.update", "session": { "voice": "Cherry", "output_audio_format": "pcm24", "turn_detection": {"type": "server_vad"}, }, }))

# 2. microphone sesini base64 PCM 16 kHz frame'leri olarak yukarı akıt ws.send(json.dumps({ "type": "input_audio_buffer.append", "audio": base64.b64encode(pcm_frame).decode(), }))

# 3. olayları geri oku; response.audio.delta oynatmak için PCM 24 kHz taşır while True: event = json.loads(ws.recv()) if event["type"] == "response.audio.delta": play(base64.b64decode(event["audio"])) ```

Sunucu taraflı VAD ile model, kullanıcının konuşmayı ne zaman bıraktığına karar verir; sıra sınırlarını kendiniz kontrol etmek istiyorsanız manual moda geçin. Olay akışı, OpenAI Realtime yapısını yakından takip eder, bu nedenle mevcut Realtime istemci kodu küçük değişikliklerle taşınabilir. Canlıya almadan önce, tam alan adlarını, ses listesini ve bölgesel endpoint host'unu Realtime docs ile doğrulayın; çünkü bunlar Singapur ve ABD dağıtımları arasında farklılık gösterir ve API ile birlikte gelişir.

Kendi kendine barındırılan. Açık ağırlıklı Qwen3-Omni, Thinker–Talker Mixture-of-Experts tasarımını kullanır (toplam 30B, yaklaşık 3B aktif). Alibaba, bunun için düz Transformers yerine vLLM kullanmayı öneriyor. Tam 30B modelin BF16 çıkarımı için, üçüncü taraf dağıtım kılavuzları alt sınırı tek bir 80GB kart (A100 veya H100) olarak belirtiyor; RTX 4090 gibi 24 GB’lık bir kart, tam ağırlıklar için yeterli değildir, ancak nicemlenmiş sürümler bu gereksinimi düşürür.

Buradaki mesele, gerçek zamanlı servis etmenin batch inference’dan daha zor olmasıdır. Kendi kendine barındıranlar, eşzamanlı yük altında takılmaları önlemek için KV cache’i sınırlandırmak zorunda kaldıklarını ve tek kart token throughput’unun hosted API’nin gerisinde kaldığını bildiriyor. Streaming için ayarlanmış serving stack’leri bu farkın büyük kısmını kapatıyor: Red Hat AI ve vLLM üzerinde çalışan mühendisler, pipeline aşamalarını örtüştürmenin 3 saniyelik bir klip için speech generation süresini kabaca 8 saniyeden yaklaşık 0.5 saniyeye indirdiğini bildirdi. Bu gerçek bir kazanım, ama ek engineering gerektiriyor. Self-hosting, token başına maliyeti ortadan kaldırırken GPU ve ops maliyeti ekler; bu yüzden prototipler için değil, yüksek ve istikrarlı hacimde kendini amorti eder.

Bugün gerçek zamanlı omni ses için DashScope endpoint’i standart yoldur. Eğer yığınınız zaten birden fazla sağlayıcıyı tek bir gateway üzerinden yönlendiriyorsa, bir aggregator bunun önünde konumlanabilir; ancak önce belirli Qwen realtime model ID’lerinin katalogunda bulunduğunu doğrulayın, çünkü birçok relay text ve image modellerini taşır ancak realtime audio katmanını taşımaz.

Üzerinde geliştirme yapmadan önce bilinmesi gereken sınırlar

• Oturumlar 120 dakikada sınırlandırılır. Destek hattı veya uzun bir ders oturumu gibi daha uzun süreler için, bağlantılar arasında bağlamı taşıyan yeniden bağlantı mantığına ihtiyacınız vardır.
• Bölge, hem ücretsiz kotayı hem de kullanılabilirliği etkiler. İlk kaydolduğunuz uç nokta yerine, dağıtım yapacağınız uç noktaya karşı test edin.
• Barındırılan ve açık ağırlıklı sürümler aynı değildir. Barındırılan API, 113 dil tanıma ve 36 dil üretimini duyurur; açık ağırlıklı Qwen3-Omni sürümü daha dar bir küreyi kapsar (19 ses girişi ve 10 ses çıkışı dili). Belirli bir dil sizin gereksiniminizse, kullanıma sunmayı planladığınız tam varyant üzerinde doğrulayın.
• Gerçek zamanlı maliyet, istek sayısına değil konuşma süresine göre ölçeklenir. Ses verisi çok fazla token kullandığından, çok konuşan bir kullanıcı, kısa konuşan bir kullanıcıdan daha pahalıya mal olur. Faturanızı çağrı sayısına göre değil, konuşma dakikalarına göre modelleyin.

Sıkça sorulan sorular

Qwen 3 sesi destekliyor mu?

Evet. Qwen3-Omni modelleri yerel olarak çok modludur: ses, metin, görüntü ve videoyu girdi olarak alır ve gerçek zamanlı olarak metin ya da sesli yanıt verebilir.

Qwen ses üretebilir mi (sadece anlamakla kalmayıp)?

Evet. Yalnızca metin üreten orijinal Qwen-Audio’nun aksine, omni Realtime modelleri ve Qwen-TTS-Realtime, 3.5 katmanındaki klonlanmış sesler de dahil olmak üzere konuşulan ses çıktısı üretir.

Qwen gerçek zamanlı ses ücretsiz mi?

Uluslararası (Singapur) uç noktasında tarihsel olarak 90 gün boyunca 1 milyon giriş ve 1 milyon çıkış tokeni içeren ücretsiz deneme kotası bulunmaktadır. Bunun ötesinde kullanım token başına ücretlendirilir ve kendi GPU’nuzu sağlarsanız tamamen açık ağırlıklı Qwen3-Omni’yi çalıştırmak ücretsizdir.

Qwen sesini yerel olarak nasıl çalıştırırım?

Açık ağırlıklı Qwen3-Omni (30B-A3B) modelini indirin ve vLLM ile çalıştırın. BF16 biçimindeki tam model için yaklaşık 80GB’lık bir karta (A100 veya H100) ihtiyacınız olacak; daha küçük tüketici sınıfı GPU’lar yalnızca kuantize edilmiş sürümleri destekler, tam ağırlıkları değil.

İlgili okuma

Birincil kaynaklar:

• Alibaba Model Studio Gerçek Zamanlı API dokümantasyonu
• Qwen3-Omni model kartı ve açık ağırlıklar (GitHub)

Alternatiflerin fiyatlandırması:

• OpenAI Realtime API fiyatlandırması
• Gemini 3.5 Canlı Çeviri
• Seed Audio incelemesi