语音前台

语音前台负责实时交流；后台 Agent 负责执行工作。二者可独立选择。

本页配置写入 qwenaudio config 显示的 config.env。桌面版也可在“语音前台”设置中选择服务并填写凭据。

选择服务

服务	Provider 值	必填或首次使用配置	使用说明
Qwen Audio / Omni 3.5 / Omni 3.8	dashscope（默认）	DASHSCOPE_API_KEY；Omni 3.8 还需将 QWEN_AUDIO_REALTIME_BASE_URL 设为业务空间专属地址	Audio 语音 / Omni 视觉
StepAudio 3	stepfun	STEPFUN_API_KEY	StepFun
OpenAI Realtime	gpt-live	OPENAI_API_KEY	GPT-Live
Gemini Live	google-live	GOOGLE_API_KEY	Google Live
豆包 Seeduplex	doubao-seeduplex	DOUBAO_API_KEY	模型、音色与服务地址配置见下表
Hugging Face speech-to-speech	speech-to-speech	先启动服务；默认 ws://127.0.0.1:8765/v1/realtime	本地模型链路
MiniCPM-o 4.5	minicpm-o	先启动服务；默认 ws://127.0.0.1:8006/v1/realtime?mode=audio	音频 / 视频模式及限制

例如，使用默认前台：

QWEN_AUDIO_REALTIME_PROVIDER=dashscope
DASHSCOPE_API_KEY=your-key
QWEN_AUDIO_REALTIME_MODEL=qwen-audio-3.0-realtime-plus

切换到 StepFun 时，改选服务并填写它自己的凭据：

QWEN_AUDIO_REALTIME_PROVIDER=stepfun
STEPFUN_API_KEY=your-stepfun-key

各家的配置可以同时保留，切换只需改 QWEN_AUDIO_REALTIME_PROVIDER。Gateway 不会把另一家的 Key、模型或音色拿来使用。

模型、音色与地址

Provider	模型	音色	服务地址
DashScope	QWEN_AUDIO_REALTIME_MODEL	Audio：QWEN_AUDIO_REALTIME_VOICE；Omni：QWEN_OMNI_REALTIME_VOICE	QWEN_AUDIO_REALTIME_BASE_URL
StepFun	STEPFUN_REALTIME_MODEL	STEPFUN_REALTIME_VOICE	STEPFUN_REALTIME_URL
GPT-Live	GPT_LIVE_REALTIME_MODEL	GPT_LIVE_REALTIME_VOICE	GPT_LIVE_REALTIME_URL
Google Live	GOOGLE_LIVE_REALTIME_MODEL	GOOGLE_LIVE_REALTIME_VOICE	GOOGLE_LIVE_REALTIME_URL
豆包 Seeduplex	DOUBAO_SEEDUPLEX_REALTIME_MODEL	DOUBAO_SEEDUPLEX_REALTIME_VOICE	DOUBAO_SEEDUPLEX_REALTIME_URL
speech-to-speech	在上游服务设置	在上游服务设置	SPEECH_TO_SPEECH_REALTIME_URL
MiniCPM-o	在上游服务设置	在上游服务设置	MINICPM_O_REALTIME_URL

地址和模型留空使用该 Provider 的默认值；Qwen3.8 Omni 例外，必须填写业务空间专属地址。自建服务如需 Bearer 认证，分别设置 SPEECH_TO_SPEECH_AUTH_TOKEN 或 MINICPM_O_AUTH_TOKEN。可用别名与协议细节见各服务页面。

DashScope 当前内置以下模型档案：

模型 ID	实时输入
qwen-audio-3.0-realtime-plus（默认）	文字、语音
qwen-audio-3.0-realtime-flash	文字、语音
qwen3.5-omni-flash-realtime	文字、语音、实时视觉帧
qwen3.5-omni-plus-realtime	文字、语音、实时视觉帧
qwen3.8-omni-flash-realtime	文字、语音、实时视觉帧

这些档案均支持工具调用。模型能否接收视觉帧，还取决于客户端和传输通道，见视觉输入。

应用并验证

1. 桌面版修改后点击“应用”。终端 Gateway 退出后重新启动；已安装的后台服务执行 qwenaudio gateway restart。
2. 连接客户端，确认“语音前台”已连接。
3. 说一句话，确认能听到回答。需要工具时，再测试搜索或一个简单后台请求。

CLI 可查看当前配置及支持的模型：

qwenaudio config show
qwenaudio config set --realtime-model qwen-audio-3.0-realtime-flash

config set 修改当前 Provider 的模型，不切换 Provider，也不自动重启 Gateway。远程客户端沿用远端配置；不能通过本机配置切换远端模型。

服务差异

• MiniCPM-o 当前适配不支持文字输入、结构化工具调用、主动播报或会话上下文恢复；适合语音 / 视觉聊天，不用于后台编排。
• speech-to-speech 的语言识别、音色、工具调用质量取决于你配置的 STT、LLM 与 TTS。
• Google Live 当前不向重连后的上游会话恢复历史上下文；界面保留记录不等于模型已收到历史。
• 其他服务的已支持能力和限制，以各自接入页面为准。

前台扩展工具另行配置：搜索、MCP、OpenAPI。

旧配置排查

新配置只使用上面的供应商字段。QWEN_AUDIO_REALTIME_API_KEY 和 QWEN_AUDIO_REALTIME_ENDPOINT 不再作为进程环境覆盖项。旧文件读取时会转换；若提示迁移冲突，保留正确的供应商字段并移除旧字段。更多优先级规则见配置总览。