qwen3.8-omni-flash-realtime モデル情報 - Alibaba Cloud Model Studio

テキストおよび音声出力、マルチチャンネル音声、ツール呼び出しに対応したリアルタイム音声・映像インタラクション用モデルです。

推論サービスプロバイダー

qwen3.8-omni-flash-realtimeの推論サービスプロバイダーはAlibaba Cloud Model Studioです。

対応リージョン：中国（北京）およびシンガポール。選択したリージョンのAPIキーを使用してください。

機能	サポート	機能	サポート
入力モダリティ	テキスト、ストリーミング音声、および動画（連続した画像フレーム）	出力モダリティ	テキストおよび音声
Function Calling	以下をサポート：カスタムツール呼び出し	MCP	リモートMCPツールをサポートしています。詳細は MCPインタラクションフロー
マルチチャンネル音声	WebSocketアクセスは1、2、または4チャンネルをサポートし、マルチチャンネル入力には16 kHz PCMを使用します	動画集約	設定： `session.video.input.representation_compact`：デフォルトは `none`；集約を有効にするには `normal` に設定します
音声	デフォルトは `Tina`。音声パラメータと音声プレビュー

WebSocket、WebRTC、またはAOQを通じてモデルにアクセスします。例やSDKの設定については、リアルタイムガイドを参照してください。

WebSocketアクセスの場合は、ワークスペース固有のWebSocketエンドポイントを使用します。設定については、接続の確立を参照してください。

パラメータ	値	パラメータ	値
最大合計入力トークン数	196608	音声履歴	最大100ターン、合計600秒まで
動画履歴	最大50ターン、合計240秒まで	最大出力トークン数	65536

ターン数または累積メディア時間が制限を超えると、古い履歴は破棄されます。累積メディア時間はセッション全体の時間ではありません。

推論料金については、モデル料金を参照してください。

音声出力の場合、qwen3.8-omni-flash-realtimeは音声とその対応テキストの両方にそれぞれの出力レートで課金します。Qwen3.5-Omni-Realtimeモデルは音声のみに課金され、対応するテキストには課金されません。

無料クォータ：1百万トークン、Singaporeでのみ利用可能です。サービスの有効化、モデルのリリース、またはアプリケーションの承認のうち、最も遅い日付から90日間有効です。無料クォータをご参照ください。

北京とSingaporeの両方とも、制限は60 RPMおよび2,000,000 TPMです。モデルのリクエスト制限については、レート制限を参照してください。