Alibaba Cloud Model Studio:qwen-audio-3.1-asr-flash

Qwen-Audio-3.1-ASR-Flash adalah model berskala besar yang mendukung pengenalan ucapan pendek yang efisien, dirancang untuk skenario transkripsi konten berkualitas tinggi, multibahasa, dan budaya. Model ini mendukung pengenalan dialek Tiongkok multibahasa dan multi-wilayah, serta dioptimalkan untuk ritme, intonasi, dan ekspresi bahasa Tiongkok klasik dari puisi Tiongkok kuno. Model ini memiliki kemampuan peningkatan konteks, prediksi tanda baca, dan normalisasi teks. Versi ini juga mendukung output ASR/AST yang dapat dikontrol untuk berbagai dialek. Model ini mencakup kemampuan transkripsi dan penyempurnaan asli, serta kemampuan transkripsi berbasis peran dialog multi-orang tingkat industri.

Penyedia Layanan Inferensi

Penyedia layanan inferensi untuk qwen-audio-3.1-asr-flash adalah Alibaba Cloud Model Studio.

Kemampuan Model

Kemampuan	Dukungan	Kemampuan	Dukungan
Modalitas Input	Audio	Modalitas Output	Teks
Pengalaman Model	Tidak Didukung	Function Calling	Tidak Didukung
Structured Outputs	Tidak Didukung	Pencarian Web	Tidak Didukung
Prefix Completion	Tidak Didukung	Caching Konteks	Tidak Didukung
Inferensi Batch	Tidak Didukung	Fine-tuning	Tidak Didukung

Batas Konteks

Parameter	Nilai	Parameter	Nilai
Panjang Input Maksimum	7168 Token	Panjang Output Maksimum	1024 Token
Jendela Konteks	8192 Token

Harga

Halaman ini hanya menampilkan harga asli untuk panggilan API model, tidak termasuk promosi waktu terbatas. Kunjungi Konsol Model Studio untuk penawaran promosi.

Tiongkok (Beijing)

Item Penagihan	Harga (USD)	Unit
Input	0.113	Per juta token
Output	0.382	Per juta token

Singapore

Cakupan: International

Item Penagihan	Harga (USD)	Unit
Input	0.15	Per juta token
Output	0.47	Per juta token

Batas Laju

Tiongkok (Beijing)

Parameter	Nilai
RPM (permintaan per menit)	600

Singapore

Cakupan: International

Parameter	Nilai
RPM (permintaan per menit)	600

Penggunaan API

• Pengenalan ucapan non-real-time
• HTTP API