Qwen-Audio-3.1-ASR-Flash-Streaming é um modelo de reconhecimento de fala em tempo real de ponta a ponta projetado para cenários como conferências em tempo real, legendas ao vivo e interação inteligente. Ele apresenta baixa latência e alta precisão na transcrição de fala em streaming. O modelo suporta reconhecimento multilíngue e de dialetos chineses de várias regiões, alternância perfeita entre chinês e inglês, aprimoramento por palavras-chave e contexto, previsão de pontuação e normalização de texto. Ele também exibe forte robustez a ruídos e pode se adaptar a ambientes acústicos complexos. Além disso, esta versão suporta saída ASR/AST controlável para múltiplos dialetos.
Provedor de Serviço de Inferência
O provedor de serviço de inferência para qwen-audio-3.1-asr-flash-streaming é o Alibaba Cloud Model Studio.
Capacidades do Modelo
| Capacidade | Suporte | Capacidade | Suporte |
|---|---|---|---|
| Modalidade de Entrada | Áudio | Modalidade de Saída | Texto |
| Experiência do Modelo | Não suportado | Function Calling | Não suportado |
| Saídas Estruturadas | Não suportado | Pesquisa na Web | Não suportado |
| Completar Prefixo | Não suportado | Cache de Contexto | Não suportado |
| Inferência em Lote | Não suportado | Ajuste fino | Não suportado |
Limites de Contexto
| Parâmetro | Valor | Parâmetro | Valor |
|---|---|---|---|
| Comprimento Máximo de Entrada | - | Comprimento Máximo de Saída | - |
| Janela de Contexto | - |
Preços
Esta página mostra apenas os preços originais para chamadas de API do modelo, excluindo quaisquer promoções por tempo limitado. Visite o Console do Model Studio para ofertas promocionais.
- China (Pequim)
- Singapore
| Item de Cobrança | Preço (USD) | Unidade |
|---|---|---|
| Entrada | 0.848 | Por milhão de tokens |
| Saída | 0.636 | Por milhão de tokens |
Limites de Taxa
- China (Pequim)
- Singapore
| Parâmetro | Valor |
|---|---|
| RPM (solicitações por minuto) | 1200 |