Skip to main content

qwen-audio-3.1-realtime-flash

Modelo de fala duplex em tempo real com entrada e saída de texto e áudio, chamadas de função, busca na Web e clonagem de voz.

Provedor do serviço de inferência

Alibaba Cloud Model Studio.

Recursos do modelo

RecursoDetalhes
Modalidades de entradaTexto, áudio
Modalidades de saídaTexto, áudio
Chamadas de funçãoCompatível
Busca na WebCompatível
Clonagem de vozCompatível
ProtocolosWebSocket, WebRTC, AOQ
Voz padrãolonganqian_v3.1
Modo de raciocínioenable_thinking não é compatível
Modos de interaçãoserver_vad, smart_turn, smart_turn_v2 (recomendado), botão de falar
Realce do falanteCompatível nos modos smart_turn e smart_turn_v2
Ative a busca na Web com enable_search. A busca na Web e as chamadas de função podem ser ativadas juntas.

Limites de contexto

ParâmetroLimite (tokens)
Janela de contexto262,144
Comprimento máximo de entrada245,760
Comprimento máximo de saída16,384
Histórico de áudio no contextoMáximo
Número máximo de turnos50
Duração acumulada do áudio300 segundos

Preços

Respostas somente de texto são cobradas pela tarifa de saída de texto. Para respostas com texto e áudio, apenas a saída de áudio é cobrada; o texto associado não tem cobrança de saída separada. Os preços são em USD por milhão de tokens.
  • Singapura
  • China (Pequim)
ID do modeloEntrada de textoEntrada de áudioSaída de textoSaída de áudio
qwen-audio-3.1-realtime-flash$0.23$0.93$0.7$1.87

Limites de taxa

O RPM do WebSocket conta as solicitações de conexão, não as respostas do modelo. Não há limite separado de conexões simultâneas.
  • Singapura
  • China (Pequim)
ID do modeloRPMTPMConexões WebSocket simultâneas
qwen-audio-3.1-realtime-flash60100,000Sem limite separado

Uso da API