概要
Alibabaの短い音声向け非リアルタイム音声認識モデル。音声を入力し、文字起こしテキストを出力する。公開日は2026年7月30日。(alibabacloud.com)
能力と用途
- 日本語、中国語、英語、韓国語を含む30言語に対応。中国語の主要方言や地域アクセントにも対応する。
- ホットワードとコンテキストによる専門用語の認識支援、句読点予測、数字・日付・金額の表記正規化に対応。中国古典詩の認識も最適化されている。
- 短い音声の文字起こしや、教育・文化コンテンツ、オーディオブックなどに利用できる。(alibabacloud.com)
制限
- 1リクエストにつき音声ファイル1件、最大5分・2 GB。URLまたはBase64 Data URIで入力する。
- 本モデルは非リアルタイム認識用。SSEによる結果の逐次出力は、1分以上の音声に限られる。
- 専用のテキスト推敲機能は本モデルでは利用できない。構造化出力、Function Calling、コンテキストキャッシュ、バッチ推論にも非対応。(docs.modelstudio.console.alibabacloud.com)
料金
確認日:2026年11月16日。以下は対象モデルの通常単価で、入力音声の長さに応じて課金され、出力は課金されない。国内サイトと国際サイトの価格は、それぞれ別の提供条件に適用される。(help.aliyun.com)
| 公式サイト・リージョン | 入力音声 | 出力 |
|---|---|---|
| 中国国内サイト・北京 | 0.00022 CNY/秒 | 無料 |
| 中国国内サイト・シンガポール、国際デプロイ | 0.00026 CNY/秒 | 無料 |
| 国際サイト・シンガポール、国際デプロイ | 0.000035 USD/秒 | 無料 |
| 国際サイト・北京 | 0.00003 USD/秒 | 無料 |
確認した料金表では、本モデルの無料枠はなし。価格は為替換算ではない。料金の出典:中国国内サイト料金表、国際サイト料金表。(help.aliyun.com)