確認しました。Qwen対応の案は次が現実的です。

1. 方針
   • video理解 は qwen3-vl 系か qwen3-omni-flash の text出力 で処理
   • voice出力 は qwen3-omni-flash（非thinking）で audio を使う
   • realtime音声 は Qwen Omni Realtime（WebSocket）を別実装で分離
2. 今の実装との主な差分
   • Qwen Omniは stream=true 前提のケースがある
   • audio出力はthinking mode不可
   • Realtimeは session.update で modalities, voice, input_audio_format=pcm16, output_audio_format=pcm24 を設定
   • 地域URLとAPIキーが分かれる（Beijing / Intl）
3. コスト・運用注意
   • qwen3-omni-flash は無料枠なしの記載があり、本番前提
   • 連続音声は audio output 課金が効くので、動画理解(テキスト) と 音声出力 を分離した方がコスト制御しやすい
4. 先に進める実装案（未実装、確認待ち）
   • Phase A: Qwen video->text 追加（既存chat APIにprovider追加）
   • Phase B: Qwen TTS 追加（非realtime）
   • Phase C: Qwen realtime voice 追加（WS transportを新規分岐）

この順が安全です。
承認いただければ、まず Phase A の最小実装から入ります。

参考

• Qwen Omni（modalities, audio, stream）: https://www.alibabacloud.com/help/doc-detail/2867839.html
• Realtime設定（session.update, pcm24等）: https://help.aliyun.com/zh/model-studio/realtime
• モデル/料金・thinking制約: https://www.alibabacloud.com/help/en/model-studio/user-guide/model/
• Qwen3-Omni-Flashのstream注意: https://www.alibabacloud.com/help/doc-detail/2862208.html

また、ローカル、ＡＷＳ上で自分Ｑｗｅｎの配置なら、その案も

可能です。
「Qwenを自前配置」の案は2パターンあります。

1. Managed API（DashScope/OpenAI互換を使う）
   • 実装は最小
   • 運用が楽
   • ただし従量課金
2. Self-host（ローカル/AWSにモデル配置）
   • コスト制御しやすい
   • ただしGPU運用が必要

自前配置の現実的構成:

• 推論サーバ: vLLM か SGLang（OpenAI互換APIで公開）
• モデル:
  • テキスト/画像理解: Qwen3-VL or Qwen3-Omni
  • 音声入出力: Omni系（ただし実運用難度高い）
• AWS例:
  • 開発: g5.xlarge~g5.2xlarge
  • 本番: g5.12xlarge 以上（同時接続次第）
• 配備:
  • EC2 + Docker + Nginx(HTTPS) + autoscaling(任意)
  • モデル重みはEBS/NVMeに配置
• 監視:
  • GPUメモリ、トークン/秒、レイテンシ、OOM、キュー長

重要な注意:

• Realtime音声 は self-host だと難度が一段上がります（低遅延音声パイプライン、PCM処理、VAD調整）。
• 先に video/text と 非realtime音声 を self-host 化し、realtime は後段が安全です。

あなた向け推奨:

1. まず AWS 上に Qwen text+video を self-host（OpenAI互換）
2. 次に TTS/STT を段階追加
3. 最後に realtime を切替

必要なら次に、あなたの現行構成（EC2 Docker）に合わせた最小の docker-compose + vLLM 具体案を作ります。