Qwen Omni Realtime
多模态语音前台：DashScope 的 Qwen3.5 Omni Realtime 系列。与 Audio 系列 相同的全双工对话体验，模型层具备图像理解能力。
模型
| 模型 | 说明 |
|---|---|
qwen3.5-omni-flash-realtime | 延迟更低 |
qwen3.5-omni-plus-realtime | 质量更高 |
两个模型都支持 Function Calling，网关的前台工具（任务委派、记忆、提醒） 照常工作。
配置
dotenv
DASHSCOPE_API_KEY=your-key
QWEN_AUDIO_REALTIME_MODEL=qwen3.5-omni-flash-realtime凭据与端点配置与 Qwen Audio 3.0 Realtime 完全一致——无论哪个系列，一个 Gateway 同一时刻只生效一个模型；在桌面版 设置页或 qwenaudio config set --realtime-model <id> 切换后重启 Gateway。
音色与话轮检测
- 默认音色
Ethan，可用QWEN_OMNI_REALTIME_VOICE覆盖。 - 话轮检测为
semantic_vad，由运行时配置。
能力边界
这个系列正是"模型能力 ≠ 传输通道"差别体现的地方：
| 模型层 | 当前客户端传输层 | |
|---|---|---|
| 输入 | 文本、音频、图像 | 文本、音频 |
| 输出 | 文本、音频 | 文本、音频 |
模型本身接受图像输入，但本版本的 qwen-audio-agent 尚未实现对应的客户端 与网关链路：JPEG 观察帧与原生视频传输保持关闭，直到链路落地——客户端会 把图像能力如实显示为不可用，而不是假装在发送画面。上表与网关通过健康 检查接口下发给客户端的能力完全一致，UI 呈现的是同一个边界。
两个系列怎么选？
- Audio（
qwen-audio-3.0-realtime-*）——默认选择；语音优先的对话， 无其他依赖。 - Omni（
qwen3.5-omni-*-realtime）——想今天就站在具备图像能力的模型 系列上时选它，同时知晓图像传输仍处于关闭状态。