모델 개요
Qwen-Audio-3.1-ASR-Flash-Streaming은 오디오를 입력받아 텍스트로 출력하는 엔드투엔드 실시간 음성 인식 모델이다. 실시간 회의, 수업 기록, 라이브 자막, 지능형 음성 인터랙션에 사용할 수 있으며, 발화 중 중간 전사 결과와 최종 결과를 반환한다. (alibabacloud.com)
주요 기능
- 한국어를 포함한 다국어와 여러 중국어 방언 인식, 중국어·영어 간 전환을 지원한다.
- 핫워드와 문맥을 활용한 인식 강화, 구두점 예측, 텍스트 정규화 및 여러 방언의 제어 가능한 ASR/AST 출력을 지원한다.
- 복잡한 음향 환경과 배경 소음에 대응하도록 설계되었다. (docs.qwencloud.com)
사용 및 제한
- WebSocket으로 스트리밍 오디오를 전달할 수 있다. 실시간 입력은 모노여야 하며, 지원 형식은 PCM, WAV, MP3, Opus, Speex, AAC, AMR이다. 공식 안내는 샘플링 속도와 오디오 길이에 제한이 없다고 표기한다.
- 함수 호출, 구조화 출력, 웹 검색, 프리픽스 이어쓰기, 문맥 캐싱, 배치 추론 및 모델 파인튜닝은 지원하지 않는다. 공식 모델 정보에는 최대 입력·출력 길이와 컨텍스트 길이가 수치로 명시되어 있지 않다.
- 화자 분리와 감정 인식은 지원하지 않는다. (help.aliyun.com)
가격
조회일: 2026-11-16. 아래는 해당 모델의 공식 API 기본 가격이며, 입력과 출력을 각각 토큰 기준으로 청구한다. 지역과 서비스 플랫폼에 따라 적용 조건이 다르며, 서로 환율로 환산한 동일 요금제로 간주해서는 안 된다.
| 공식 서비스 및 적용 지역 | 입력 가격 | 출력 가격 |
|---|---|---|
| 중국 국내 Alibaba Cloud Model Studio, 중국 베이징 | CNY 6 / 100만 토큰 | CNY 4.5 / 100만 토큰 |
| 중국 국내 Alibaba Cloud Model Studio, 싱가포르·International 배포 범위 | CNY 6.781 / 100만 토큰 | CNY 5.104 / 100만 토큰 |
| Alibaba Cloud 국제 사이트, 싱가포르·International 배포 범위 | USD 0.93 / 100만 토큰 | USD 0.70 / 100만 토큰 |
| Alibaba Cloud 국제 사이트, 중국 베이징 | USD 0.848 / 100만 토큰 | USD 0.636 / 100만 토큰 |
국내 가격 출처: Alibaba Cloud 중국 국내 가격표. 국제 가격 출처: Alibaba Cloud 국제 가격표. (docs.bailian.console.aliyun.com)
출시일 및 공식 자료
- 출시일: 2026-09-21. 공식 모델 출시 공지에 해당 날짜로 기재되어 있다. (alibabacloud.com)
- 공식 모델 상세 정보
- 공식 실시간 음성 인식 사용 안내