模型定位
Qwen-Audio-3.1-ASR-Flash 是面向短語音的非即時語音辨識模型,輸入音訊並輸出文字,適合多語種及文化內容轉寫。(alibabacloud.com)
能力與用途
- 支援多語種及多地區中文方言辨識,並針對中文古詩詞的韻律、節奏和文言表達進行優化。
- 支援上下文增強、標點預測、文字規範化、原生轉寫潤飾及多人對話分角色轉寫;亦支援部分方言的可控 ASR/AST 輸出。
- 適合短錄音轉寫、多語言內容整理及多人對話紀錄等用途。(alibabacloud.com)
限制
- 適用於最長 5 分鐘的短錄音;在目前請求中返回辨識結果,可選擇 SSE 輸出。長錄音或持續即時轉寫應考慮其他專用版本。(docs.qwencloud.com)
- 官方模型資訊列出最大輸入 7,168 Token、最大輸出 1,024 Token、上下文視窗 8,192 Token;不支援函式呼叫、結構化輸出、聯網搜尋、上下文快取、批次推理或模型微調。(alibabacloud.com)
發布日期
2026-09-21;官方模型更新公告將此模型列於該日期下。(alibabacloud.com)
官方價格
以下為此模型的 API 原價,輸入及輸出分別按 Token 計費,不含限時優惠。查詢日期:2026-11-16。
| 官方平台與地域 | 幣種 | 輸入/每百萬 Token | 輸出/每百萬 Token |
|---|---|---|---|
| 阿里雲百煉國內站:華北 2(北京) | CNY | 0.8 | 2.7 |
| 阿里雲百煉國內站:新加坡,國際部署 | CNY | 1.094 | 3.427 |
| Alibaba Cloud Model Studio 國際站:中國(北京) | USD | 0.113 | 0.382 |
| Alibaba Cloud Model Studio 國際站:新加坡,國際部署 | USD | 0.15 | 0.47 |
以上是不同站點及地域的官方報價,不應視為可直接換算的同一套餐。(help.aliyun.com)