概要
音声メッセージ、音声入力、企業業務向けに最適化された生成型音声認識モデル。音声を入力し、テキストを出力する。公式リリース告知には、2026年9月21日のリリースとして掲載されている。(alibabacloud.com)
主な能力と用途
- 中国語、英語などの多言語認識に対応し、日本語、インドネシア語、タイ語、フィリピン語、ベトナム語、韓国語、マレー語を重点的に最適化。
- ストリーミング表示、P0/P1ホットワード、テキスト正規化、過去の転写や業務コンテキストを利用した認識、オン・オフ可能な文章整形に対応。
- 言語の自動検出または指定が可能。中国語方言は原文のまま、または標準中国語に変換して出力できる。複数の声、背景会話、遠距離音声、環境ノイズへの認識安定性も強化されている。(alibabacloud.com)
制限と接続
- WebSocketで利用可能。リアルタイム音声はモノラル、16 kHzが必要で、対応形式はPCM、WAV、MP3、Opus、Speex、AAC、AMR。(alibabacloud.com)
- 構造化出力には対応する一方、Function Calling、Web検索、プレフィックス継続、コンテキストキャッシュ、バッチ推論、モデル調整には非対応。公式モデル情報では最大入力長、最大出力長、コンテキスト長は数値未記載。(help.aliyun.com)
料金
入力と出力のトークン数をそれぞれ課金する通常料金。以下は同一モデルについて各公式サイトが掲載する価格であり、地域・プラットフォームの異なる料金を為替換算したものではない。確認日はいずれも2026年11月16日。
| 公式サイト・地域 | 入力/100万トークン | 出力/100万トークン |
|---|---|---|
| 中国国内サイト、北京 | CNY 6 | CNY 4.5 |
| 中国国内サイト、シンガポール・国際デプロイ | CNY 6.781 | CNY 5.104 |
| 国際サイト、シンガポール・国際デプロイ | USD 0.93 | USD 0.70 |
| 国際サイト、北京 | USD 0.848 | USD 0.636 |
中国国内サイトでは北京、国際サイトではシンガポールに、それぞれ100万トークンの無料枠が記載されている。有効期間はサービス開通日、モデル公開日、申請承認日のうち最も遅い日から90日間。詳細な適用条件は各料金表を参照。(docs.bailian.console.aliyun.com)