テキストおよび音声の入出力に対応し、Function Calling、Web検索、音声クローニング機能を備えたリアルタイム双方向音声モデルです。
推論サービスプロバイダー
Alibaba Cloud Model Studio。
モデルの機能
| 機能 | 詳細 |
|---|---|
| 入力モダリティ | テキスト、音声 |
| 出力モダリティ | テキスト、音声 |
| 関数呼び出し | サポート |
| ウェブ検索 | サポート |
| 音声クローニング | サポート |
| プロトコル | WebSocket, WebRTC, AOQ |
| デフォルト音声 | longanqian_v3.1 |
| 思考モード | enable_thinking はサポートしていません |
| 対話モード | server_vad、smart_turn、smart_turn_v2（推奨）、push-to-talk |
| 話者の強調 | smart_turn と smart_turn_v2 モードでサポート |
enable_search で Web 検索を有効にします。Web 検索と関数呼び出しは同時に有効にできます。
コンテキストの制限
| パラメーター | 制限（トークン） |
|---|---|
| コンテキストウィンドウ | 262,144 |
| 最大入力長 | 245,760 |
| 最大出力長 | 16,384 |
| コンテキスト内の音声履歴 | 最大値 |
|---|---|
| 最大ターン数 | 50 |
| 音声の累積時間 | 300 秒 |
料金
テキストのみの応答はテキスト出力料金で課金されます。テキストと音声の両方を含む応答は音声出力のみが課金され、付随するテキストに別途出力料金はかかりません。
料金は 100 万トークンあたりの米ドルです。
- シンガポール
- 中国（北京）
| モデル ID | テキスト入力 | 音声入力 | テキスト出力 | 音声出力 |
|---|---|---|---|---|
qwen-audio-3.1-realtime-flash | $0.23 | $0.93 | $0.7 | $1.87 |
レート制限
WebSocket の RPM は、モデルの応答ではなく接続リクエストを数えます。同時接続数に別の制限はありません。
- シンガポール
- 中国（北京）
| モデル ID | RPM | TPM | WebSocket の同時接続数 |
|---|---|---|---|
qwen-audio-3.1-realtime-flash | 60 | 100,000 | 個別の制限なし |