Realtime API 提供多种传输协议，针对性能、延迟、弱网对抗、接入成本等不同需求进行优化，供开发者灵活选择。
协议选型
Realtime API 支持 AOQ（AI over QUIC）、WebRTC 和 WebSocket 三种传输协议，开发者可以根据业务场景灵活选择。
维度 | AOQ | WebRTC | WebSocket |
|---|---|---|---|
适用场景 | AI 多模态实时交互、弱网场景、混合数据传输 | 浏览器端互动、传统音视频通话 | 服务端集成、快速原型验证 |
浏览器兼容性 | 不支持 | 原生支持 | 原生支持 |
接入难度 | 低 | 中等 | 极低 |
弱网对抗 | 极致 | 良好 | 差 |
数据类型 | 音视频 + 文本 | 音视频 + 文本 | 文本/音频/图像 |
建连速度 | 快 | 慢 | 慢 |
回声消除/降噪 | 内置 | 内置 | 无，需客户端自行处理 |
AI 场景适配 | 原生为 AI 多模态数据特征深度定制 | 传统设计，AI 场景需额外适配 | 基础，适合纯文本或低实时性场景 |
端侧平台支持 | Android / iOS / HarmonyOS | 浏览器、移动端 | 全平台（任何支持 WebSocket 的环境） |
Token Plan | 支持 | 支持 | 支持 |
- 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。
- 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。
- 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。
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 |
|---|---|---|---|---|
qwen3.8-omni-flash-realtime、qwen3.5-omni-plus-realtime、qwen3.5-omni-flash-realtime | 支持 | 支持 | 支持 | |
qwen-audio-3.1-tts-flash、qwen-audio-3.0-tts-flash、qwen-audio-3.0-tts-plus | 支持 | 不支持 | 支持 | |
CosyVoice系列模型 | 支持 | 不支持 | 支持 | |
qwen-audio-3.1-asr-flash-message、qwen-audio-3.1-asr-flash-streaming、qwen-audio-3.0-asr-flash-streaming、Fun-ASR-Realtime系列模型 | 支持 | 不支持 | 支持 | |
qwen-audio-3.1-realtime-plus、qwen-audio-3.0-realtime-plus、qwen-audio-3.0-realtime-flash | 支持 | 支持 | 支持 | |
Qwen-Livetranslate-Realtime 系列模型 | 支持 | 支持 | 支持 | |
multimodal-dialog | 支持 | 支持 | 支持 |