模型定位
Qwen-Audio-3.0-Realtime-Plus 是面向即時雙工語音對話的模型,標準版著重回覆品質,同時兼顧自然的對話節奏與低延遲互動。適用於語音助理、智慧客服及 AI 夥伴等場景。(help.aliyun.com)
能力
- 支援文字、音訊輸入,以及文字、音訊輸出;可串流輸入音訊並串流輸出語音和文字。
- 支援 Function Calling、聯網搜尋、對話上下文管理、系統音色與聲音復刻音色。
- 支援聲學 VAD、智慧語義輪次與手動按鍵說話;智慧語義輪次模式可搭配說話人增強。
- 支援中文、英語、德語、西班牙語、法語、印尼語、義大利語、日語、韓語、葡萄牙語及俄語,並支援中文方言。輸出特定語言或方言時,須選擇相容音色。
- 可透過 WebSocket、WebRTC 或 AOQ 協定接入。(help.aliyun.com)
限制
- 官方模型資料列出的上下文長度為 40,960 tokens,最大輸入長度為 16,384 tokens,最大輸出長度為 8,192 tokens。
- 音訊歷史最多保留 50 輪、累計 300 秒;超過限制時會自動丟棄較早的歷史。推理參考歷史輪數預設為 20,可設為 1–50。
- 不支援結構化輸出、前綴續寫、上下文快取、批次推理或模型調優。
- 官方模型頁列出北京及新加坡地域的限流均為每分鐘 60 次請求、100,000 tokens。(help.aliyun.com)
發布日期
阿里雲國內模型更新公告將本模型列於 2026 年 7 月 14 日;國際服務部署公告另將其列於 2026 年 8 月 10 日。兩者為不同公告範圍的日期。(help.aliyun.com)
價格
以下為官方公布的模型 API 調用原價,查詢日期均為 2026 年 11 月 16 日;不含限時優惠。每項單位均為每百萬 tokens。國內站與國際站、不同地域的價格分別適用於各自平台及部署條件,不是以匯率換算的同一套餐。
| 官方平台與地域 | 幣種 | 輸入:文字 | 輸入:音訊 | 輸出:僅文字 | 輸出:文字加音訊 |
|---|---|---|---|---|---|
| 阿里雲百鍊國內站,華北 2(北京) | CNY | 5 | 40 | 40 | 150 |
| 阿里雲百鍊國內站,新加坡,國際部署 | CNY | 5.995 | 47.963 | 47.963 | 179.861 |
| 阿里雲國際站,華北 2(北京) | USD | 0.688 | 5.501 | 5.501 | 20.628 |
| 阿里雲國際站,新加坡 | USD | 0.8 | 6.4 | 6.4 | 24 |
同時輸出文字與音訊時,輸出文字不另計費;僅輸出文字時則按文字輸出單價計費。音訊 token 按音訊時長換算,每秒 12.5 tokens,不足 1 秒按 1 秒計算;多輪對話中的歷史內容可能在後續輪次再次計入輸入費用。國內定價頁列出本模型北京地域無免費額度。(help.aliyun.com)
- 國內官方定價來源:阿里雲模型資訊;百鍊模型價格及計費規則。
- 國際官方定價來源:Alibaba Cloud 模型資訊。