概要
Qwen3-Omniを基盤とする多言語の音声・動画通訳モデル。音声または動画を入力し、翻訳結果をテキストまたは音声で出力する。リアルタイム翻訳と録音・動画ファイルの翻訳に利用できる。公式説明では19言語を理解し、10言語と8種類の中国語方言を話せるとしている。日本語はテキスト・音声出力に対応する。(help.aliyun.com)
制限
- コンテキスト長は53,248トークン、最大入力は49,152トークン、最大出力は4,096トークン。
- 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。
- 対象言語によってはテキスト出力のみ対応する。(help.aliyun.com)
公開日
2025年12月4日に公式のモデル更新一覧に掲載。本IDは2025年12月1日時点のスナップショット版。(help.aliyun.com)
料金
以下は対象スナップショットの入力・出力別のトークン単価。料金は地域とサービスによって異なる。
- 中国国内版・北京(阿里云百炼、CNY):100万トークンあたり、入力音声10元、入力画像4元、出力テキスト10元、出力音声40元。対象スナップショットに無料枠はない。国内公式料金表(確認日:2026年11月17日)。(help.aliyun.com)
- 国際版・シンガポール(Alibaba Cloud Model Studio、USD):100万トークンあたり、入力音声1.577ドル、入力画像0.631ドル、出力テキスト1.577ドル、出力音声6.308ドル。対象スナップショットに無料枠はない。国際公式料金表(確認日:2026年11月17日)。(alibabacloud.com)