← すべてのモデル

Qwen3-Omni-Flash-Realtime

公開日 提供元 Alibabaqwen3-omni-flash-realtime-2025-09-15

概要

Qwen3-Omni-Flashのリアルタイム版マルチモーダルモデル。Thinker–TalkerのMixture-of-Experts(MoE)アーキテクチャを採用し、テキスト、画像、音声、動画を入力として理解し、テキストと音声を出力する。テキストは119言語、音声は20言語での対話に対応する。2025年9月15日時点のスナップショット版である。(docs.qwencloud.com)

能力と用途

  • リアルタイムのマルチモーダル対話、音声生成、指示追従、システムプロンプトによる対話スタイルや役割の調整に対応する。
  • 主な用途は音声アシスタント、テキスト作成、マルチメディア分析など。
  • Realtime APIをWebSocket経由で利用できる。(help.aliyun.com)

制限

  • 公式モデルページによる上限は、シンガポールでは入力56,000・出力8,000・コンテキスト64,000トークン、北京では入力49,152・出力16,384・コンテキスト65,536トークン。地域により異なる。
  • Function Calling、構造化出力、Web検索、コンテキストキャッシュ、バッチ推論、ファインチューニングは非対応と記載されている。(docs.qwencloud.com)
  • 入力・出力音声はそれぞれ秒数×12.5トークンで計算され、1秒未満の音声は1秒として計算される。会話履歴も入力課金の対象となる。(help.aliyun.com)

料金

以下は当該モデルIDの通常API料金で、単位はすべて100万トークンあたり。入力と出力は別々に課金される。テキスト+音声出力では音声のみ課金され、対応する出力テキストは課金されない。地域・契約サイトごとの料金であり、通貨換算した同一プランではない。

契約サイト・地域 通貨 入力:テキスト 入力:音声 入力:画像 出力:テキストのみの入力 出力:マルチモーダル入力 出力:テキスト+音声
中国国内サイト・北京 CNY 2.2 18.9 3.9 8.3 15.2 75.1
中国国内サイト・シンガポール CNY 3.816 33.54 6.899 14.605 26.935 133.06
国際サイト・シンガポール USD 0.52 4.57 0.94 1.99 3.67 18.13
国際サイト・北京 USD 0.315 2.709 0.559 1.19 2.179 10.766

国内サイトの北京、および国際サイトのシンガポールでは、このスナップショット版の無料枠はない。価格確認日:2026年11月18日。(help.aliyun.com)

公開日と公式資料