模型定位
Alibaba 的非即時語音辨識模型,專為完整音訊或影片檔案的非同步轉寫設計;輸入為音訊,輸出為文字。適合長錄音及背景檔案處理,而非即時串流辨識。(docs.qwencloud.com)
能力與用途
- 支援中文、英語、日語、韓語等多種語言,以及多種中文方言和地區口音。
- 支援熱詞及上下文增強、說話人分離、時間戳、標點預測和文字正規化;官方公告亦提及對古詩詞辨識的優化。(alibabacloud.com)
- 可用於會議轉寫、短影片字幕、客服品質檢查及金融業雙錄等場景。(docs.qwencloud.com)
限制
- 透過 HTTP 非同步提交任務,不支援串流輸出;每次請求提供一個可公開存取的檔案 URL。
- 單一檔案上限為 2 GB、12 小時。啟用說話人分離時僅支援單聲道,建議音訊不超過 2 小時,以降低失敗或逾時風險。
- 不支援情緒辨識。(help.aliyun.com)
發布日期
2026 年 7 月 30 日。官方更新公告將本模型列於該日期。(alibabacloud.com)
價格
以下均為此模型依輸入音訊時長的標價,輸出文字不另計費;不同站點及地區的報價不是以匯率換算的同一套餐。
- 阿里雲百鍊中國站,人民幣(CNY):華北 2(北京)輸入 0.00022 元/秒;新加坡、國際部署範圍輸入 0.00026 元/秒。所查頁面顯示北京此模型無免費額度。來源:中國站官方定價;查詢日期:2026 年 11 月 16 日。(help.aliyun.com)
- 阿里雲國際站,美元(USD):新加坡、國際部署範圍輸入 0.000035 美元/秒;華北 2(北京)輸入 0.000032 美元/秒。所查頁面顯示新加坡此模型無免費額度。來源:國際站官方定價;查詢日期:2026 年 11 月 16 日。(alibabacloud.com)