Qwen-Audio-3.1-ASR-Flash-Streaming es un modelo de reconocimiento de voz en tiempo real de extremo a extremo diseñado para escenarios como conferencias en tiempo real, subtítulos en vivo e interacción inteligente. Cuenta con baja latencia y alta precisión en la transcripción de voz en streaming. El modelo admite reconocimiento multilingüe y de múltiples dialectos regionales chinos, cambio fluido entre chino e inglés, mejora de palabras clave y contexto, predicción de puntuación y normalización de texto. También exhibe una sólida resistencia al ruido y puede adaptarse a entornos acústicos complejos. Además, esta versión admite salida ASR/AST controlable para múltiples dialectos.
Proveedor de servicios de inferencia
El proveedor de servicios de inferencia para qwen-audio-3.1-asr-flash-streaming es Alibaba Cloud Model Studio.
Capacidades del modelo
| Capacidad | Compatibilidad | Capacidad | Compatibilidad |
|---|---|---|---|
| Modalidad de entrada | Audio | Modalidad de salida | Texto |
| Experiencia del modelo | No compatible | Llamada a funciones | No compatible |
| Salidas estructuradas | No compatible | Búsqueda web | No compatible |
| Completado de prefijo | No compatible | Almacenamiento en caché de contexto | No compatible |
| Inferencia por lotes | No compatible | Ajuste fino | No compatible |
Límites de contexto
| Parámetro | Valor | Parámetro | Valor |
|---|---|---|---|
| Longitud máxima de entrada | - | Longitud máxima de salida | - |
| Ventana de contexto | - |
Precios
Esta página solo muestra los precios originales para las llamadas a la API del modelo, excluyendo cualquier promoción por tiempo limitado. Visite Model Studio Console para ver ofertas promocionales.
- China (Beijing)
- Singapore
| Concepto de facturación | Precio (USD) | Unidad |
|---|---|---|
| Entrada | 0.848 | Por millón de tokens |
| Salida | 0.636 | Por millón de tokens |
Límites de tasa
- China (Beijing)
- Singapore
| Parámetro | Valor |
|---|---|
| RPM (solicitudes por minuto) | 1200 |