← 全部模型

Qwen-Audio-3.1-ASR-Flash-Streaming

發布時間 發布主體 Alibabaqwen-audio-3.1-asr-flash-streaming

模型定位

端到端即時語音辨識模型,以音訊為輸入、文字為輸出,適合即時會議、直播字幕及智慧互動等持續轉寫場景。串流期間可返回中間結果及最終結果。(alibabacloud.com)

能力

  • 支援多語言與多地區中文方言辨識、中英文切換、熱詞及上下文增強、標點預測和文字正規化。
  • 支援多種方言的 ASR/AST 可控輸出;官方亦稱其具有抗雜訊能力。(alibabacloud.com)

使用方式與限制

  • 可透過 WebSocket 或 AOQ 接入。即時音訊須為單聲道;支援 PCM、WAV、MP3、Opus、Speex、AAC 及 AMR 等格式。官方使用指南將此模型的音訊大小與時長列為不限制。(docs.bailian.console.aliyun.com)
  • 不支援說話人分離、情緒辨識、函式呼叫、結構化輸出、聯網搜尋、上下文快取、批次推論及模型調優。官方模型資訊頁未列出最大輸入、最大輸出或上下文長度的數值。(help.aliyun.cn)

發布日期

2026-09-21;官方發布紀錄在新加坡及中國北京區域的該日期條目下列出此模型。(alibabacloud.com)

價格

查詢日期:2026-11-16。以下為此 3.1 Streaming 型號的官方原價,輸入與輸出 token 分開計費;不同站點和部署區域的價格不可視為直接換算。

官方站點與適用區域 輸入 輸出
阿里雲百煉國內站,北京 CNY 6/百萬 token CNY 4.5/百萬 token
阿里雲百煉國內站,新加坡、國際部署範圍 CNY 6.781/百萬 token CNY 5.104/百萬 token
Alibaba Cloud 國際站,北京 USD 0.848/百萬 token USD 0.636/百萬 token
Alibaba Cloud 國際站,新加坡、國際部署範圍 USD 0.93/百萬 token USD 0.70/百萬 token

國內站定價來源:阿里雲百煉模型定價。(docs.bailian.console.aliyun.com)

國際站定價來源:Alibaba Cloud Model Studio 模型定價。(alibabacloud.com)

官方來源