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
| Recurso | Detalhes |
|---|---|
| Modalidades de entrada | Texto, áudio |
| Modalidades de saída | Texto, áudio |
| Chamadas de função | Compatível |
| Busca na Web | Compatível |
| Clonagem de voz | Compatível |
| Protocolos | WebSocket, WebRTC, AOQ |
| Voz padrão | longanqian_v3.1 |
| Modo de raciocínio | enable_thinking não é compatível |
| Modos de interação | server_vad, smart_turn, smart_turn_v2 (recomendado), botão de falar |
| Realce do falante | Compatível nos modos smart_turn e smart_turn_v2 |
enable_search. A busca na Web e as chamadas de função podem ser ativadas juntas.
Limites de contexto
| Parâmetro | Limite (tokens) |
|---|---|
| Janela de contexto | 262,144 |
| Comprimento máximo de entrada | 245,760 |
| Comprimento máximo de saída | 16,384 |
| Histórico de áudio no contexto | Máximo |
|---|---|
| Número máximo de turnos | 50 |
| Duração acumulada do áudio | 300 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 modelo | Entrada de texto | Entrada de áudio | Saída de texto | Saída 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 modelo | RPM | TPM | Conexões WebSocket simultâneas |
|---|---|---|---|
qwen-audio-3.1-realtime-flash | 60 | 100,000 | Sem limite separado |