Modelo de voz dúplex en tiempo real con entrada y salida de texto y audio, llamadas a funciones, búsqueda web y clonación de voz.
Proveedor del servicio de inferencia
Alibaba Cloud Model Studio.
Capacidades del modelo
| Función | Detalles |
|---|---|
| Modalidades de entrada | Texto, audio |
| Modalidades de salida | Texto, audio |
| Llamada a función | Compatible |
| Búsqueda web | Compatible |
| Clonación de voz | Compatible |
| Protocolos | WebSocket, WebRTC, AOQ |
| Voz predeterminada | longanqian_v3.1 |
| Modo de pensamiento | enable_thinking no es compatible |
| Modos de interacción | server_vad, smart_turn, smart_turn_v2 (recomendado), push-to-talk |
| Mejora del hablante | Compatible en los modos smart_turn y smart_turn_v2 |
enable_search. La búsqueda web y las llamadas a funciones se pueden activar al mismo tiempo.
Límites de contexto
| Parámetro | Límite (tokens) |
|---|---|
| Ventana de contexto | 262,144 |
| Max input length | 245,760 |
| Max output length | 16,384 |
| Historial de audio en el contexto | Máximo |
|---|---|
| Máximo de turnos | 50 |
| Duración de audio acumulada | 300 segundos |
Precios
Las respuestas de solo texto se facturan a la tarifa de salida de texto. Para las respuestas que contienen texto y audio, solo se factura la salida de audio; el texto que la acompaña no tiene un cargo de salida independiente.
Los precios se expresan en USD por millón de tokens.
- Singapur
- China (Pekín)
| ID del modelo | Entrada de texto | Entrada de audio | Salida de texto | Salida de audio |
|---|---|---|---|---|
qwen-audio-3.1-realtime-flash | $0.23 | $0.93 | $0.7 | $1.87 |
Límites de tasa
El RPM de WebSocket cuenta las solicitudes de conexión, no las respuestas del modelo. No hay un límite independiente de conexiones simultáneas.
- Singapur
- China (Pekín)
| ID del modelo | RPM | TPM | Conexiones simultáneas de WebSocket |
|---|---|---|---|
qwen-audio-3.1-realtime-flash | 60 | 100,000 | Sin límite independiente |