概要
通義実験室が開発した、低遅延・高並行のリアルタイム音声認識モデル。音声を入力し、認識したテキストを逐次出力する。Alibaba Cloud Model Studioで提供される。(alibabacloud.com)
能力と用途
- 中国語、英語、日本語、韓国語など30言語に対応。中国語の7方言群と20以上の地域アクセントをサポートする。
- 事前登録・即時指定のホットワードとコンテキストを利用でき、専門用語の認識を強化する。句読点予測、数字・日付・金額の表記正規化、中国古典詩の認識改善にも対応する。
- リアルタイム会議の文字起こし、カスタマーサービス担当者の支援、音声アシスタントなどに利用できる。翻訳そのものは本モデルの出力機能として確認されていない。(alibabacloud.com)
制限
出力はテキスト。公式モデル情報では、Function Calling、構造化出力、Web検索、プレフィックス補完、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いずれも非対応。最大入力長、最大出力長、コンテキスト長の数値は記載されていない。(alibabacloud.com)
料金
2026年11月16日確認。以下は本モデルの通常API料金で、入力音声の秒数に基づいて課金され、出力テキストは無料。地域と契約サイトによって適用料金が異なり、通貨換算による同一料金ではない。
- 中国国内サイト・人民元建て:北京リージョンは入力0.00033 CNY/秒、シンガポールリージョンの国際デプロイは入力0.00066 CNY/秒。北京の本モデルには無料枠なし。中国国内公式料金表 (help.aliyun.com)
- 国際サイト・米ドル建て:シンガポールリージョンの国際デプロイは入力0.00009 USD/秒、北京リージョンは入力0.000047 USD/秒。シンガポールの本モデルには無料枠なし。国際公式料金表 (alibabacloud.com)
公開日と公式情報
- 公開日:2026年7月30日。公式リリース一覧 (alibabacloud.com)
- 公式モデル情報 (alibabacloud.com)