Um modelo para interação de áudio e vídeo em tempo real com saída de texto e áudio, áudio multicanal e chamada de ferramentas.
Provedor do serviço de inferência
O provedor de serviço de inferência para qwen3.8-omni-flash-realtime é o Alibaba Cloud Model Studio.
Capacidades do modelo
Regiões suportadas: China (Pequim) e Singapura. Use uma chave de API da região selecionada.
| Capacidade | Suporte | Capacidade | Suporte |
|---|---|---|---|
| Modalidades de entrada | Texto, áudio em streaming e vídeo (quadros de imagem consecutivos) | Modalidades de saída | Texto e áudio |
| Function Calling | Suporta chamada de ferramenta personalizada | MCP | Suporta ferramentas MCP remotas. Consulte o fluxo de interação MCP |
| Áudio multicanal | O acesso via WebSocket suporta 1, 4 ou 2 canais; a entrada multicanal usa PCM de 16 kHz | Agregação de vídeo | Configure session.video.input.representation_compact: o padrão é none; defina-o como normal para ativar a agregação |
| Vozes | O padrão é Tina. Consulte parâmetros de voz e pré-visualizações de áudio |
Limites de contexto
| Parâmetro | Valor | Parâmetro | Valor |
|---|---|---|---|
| Total máximo de tokens de entrada | 196608 | Histórico de áudio | Até 100 turnos e 600 segundos no total |
| Histórico de vídeo | Até 50 turnos e 240 segundos no total | Tokens máximos de saída | 65536 |
Preços do modelo
Consulte Preços do modelo para preços de inferência.
Para saída de fala, qwen3.8-omni-flash-realtime cobra tanto o áudio quanto seu texto correspondente às respectivas taxas de saída. Os modelos Qwen3.5-Omni-Realtime cobram apenas o áudio; o texto correspondente não é cobrado.
Cota gratuita: 1 milhão de tokens, disponível apenas em Singapore. Válida por 90 dias a partir da ativação do serviço, lançamento do modelo ou aprovação do aplicativo, o que ocorrer por último. Consulte Cota gratuita.
- China (Pequim)
- Singapore
| Item de cobrança | Preço (USD) | Unidade |
|---|---|---|
Entrada: áudio | 0.848 | Por milhão de tokens |
Saída: áudio | 1.696 | Por milhão de tokens |
Entrada: texto/imagens/vídeo | 0.212 | Por milhão de tokens |
Saída: texto | 0.636 | Por milhão de tokens |