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

Qwen-Audio-3.1-ASR-Flash-Streaming adalah model pengenalan ucapan waktu nyata end-to-end yang dirancang untuk skenario seperti konferensi waktu nyata, subtitle langsung, dan interaksi cerdas. Model ini memiliki latensi rendah dan akurasi tinggi dalam transkripsi ucapan streaming. Model ini mendukung pengenalan dialek Tiongkok multibahasa dan multi-wilayah, peralihan mulus antara bahasa Tiongkok dan Inggris, peningkatan kata panas dan konteks, prediksi tanda baca, serta normalisasi teks. Model ini juga menunjukkan ketahanan noise yang kuat dan dapat beradaptasi dengan lingkungan akustik yang kompleks. Selain itu, versi ini mendukung output ASR/AST yang dapat dikontrol untuk berbagai dialek.

Penyedia Layanan Inferensi

Penyedia layanan inferensi untuk qwen-audio-3.1-asr-flash-streaming 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	8192 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	0.848	Per juta token
Output	0.636	Per juta token

Singapore

Cakupan: International

Item Penagihan	Harga (USD)	Unit
Input	0.93	Per juta token
Output	0.70	Per juta token

Batas Laju

Tiongkok (Beijing)

Parameter	Nilai
RPM (permintaan per menit)	1200

Singapore

Cakupan: International

Parameter	Nilai
RPM (permintaan per menit)	1200

Penggunaan API

• Pengenalan ucapan real-time
• WebSocket API