Qwen-Audio-3.1-ASR-Flash-Streaming端到端实时语音识别大模型，面向实时会议、直播字幕与智能交互等场景，具备低延迟、高精度的流式语音转写能力。模型支持多语种与多地区中文方言识别、中英文自由切换、热词及上下文增强、标点预测与文本规范化，并具备较强的噪声鲁棒性，可适应复杂声学环境。同时该版本支持多种方言 ASR/AST 可控输出。
推理服务供应商
qwen-audio-3.1-asr-flash-streaming模型的推理服务供应商为阿里云百炼。
模型能力
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|
| 输入模态 | Audio | 输出模态 | Text |
| 模型体验 | 不支持 | Function Calling | 不支持 |
| 结构化输出 | 不支持 | 联网搜索 | 不支持 |
| 前缀续写 | 不支持 | 上下文缓存 | 不支持 |
| 批量推理 | 不支持 | 模型调优 | 不支持 |
上下文限制
| 参数 | 值 | 参数 | 值 |
|---|
| 最大输入长度 | 8192 Token | 最大输出长度 | 1024 Token |
| 上下文长度 | 8192 Token | | |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往百炼控制台查看活动优惠。
华北2（北京）
| 计费项 | 价格（美元） | 单位 |
|---|
| 输入 | 0.848 | 每百万 Token |
| 输出 | 0.636 | 每百万 Token |
新加坡
部署范围：国际
| 计费项 | 价格（美元） | 单位 |
|---|
| 输入 | 0.93 | 每百万 Token |
| 输出 | 0.70 | 每百万 Token |
限流
调用方式