Skip to main content
語音辨識

非即時語音辨識

非即時語音辨識模型能將錄製好的音頻轉換為文本,支援多語言識別、歌唱識別、雜訊拒識、說話人分離等功能,適用於會議轉寫、通話分析、字幕產生等情境。

概述

通過非同步任務對錄製好的音視頻檔案進行批量轉寫。
  • 支援上下文增強,通過配置上下文提高識別準確率
  • 支援自訂熱詞,通過預設詞表提升專有名詞識別準確率
  • 支援說話人分離、敏感詞過濾、句子/詞語級時間戳記等可配置功能
  • 支援單個時間長度不超過 12 小時、體積不超過 2GB 的音頻檔案非同步轉寫
  • 支援任意採樣率,相容 aac、wav、mp3 等多種主流音視頻格式
即時情境(直播字幕、線上會議、語音助手等)可使用即時語音辨識。各模型選型建議請參見語音辨識

前提條件

快速開始

非即時語音辨識中,Qwen-Audio-3.0-ASR-Flash-Filetrans、Fun-ASR、Qwen3-ASR-Flash-Filetrans和Paraformer為非同步呼叫,要求標頭需設定 X-DashScope-Async: enable,提交任務後通過查詢介面輪詢擷取結果;其他模型(如Fun-ASR-Flash、Qwen3-ASR-Flash)為同步調用如果您調用獨享部署的模型服務時收到報錯 current user api does not support asynchronous calls,表示該部署僅支援同步調用,請將要求標頭改為 X-DashScope-Async: disable(其餘調用方式保持不變)。
  • Qwen-Audio-3.0-ASR-Flash-Filetrans/ Fun-ASR
  • Qwen-Audio-3.0-ASR-Flash/ Fun-ASR-Flash
  • Qwen3-ASR-Flash-Filetrans
  • Qwen3-ASR-Flash
  • Paraformer
音視頻檔案較大,檔案轉寫 API 採用非同步呼叫:提交任務後通過查詢介面輪詢狀態,任務完成後擷取識別結果。
  • cURL
  • Python
  • Java
使用 cURL 調用時,先提交任務擷取 task_id,再通過該 ID 查詢任務執行結果。
  • 提交任務
  • 擷取任務執行結果
  • 下載識別結果
以下為新加坡地區的配置,調用時請將{WorkspaceId}替換為真實的Workspace ID,各地區的配置不同。
curl -X POST 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/asr/transcription' \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-H "X-DashScope-Async: enable" \
-d '{
    "model": "qwen-audio-3.0-asr-flash-filetrans",
    "input": {
        "file_urls": [
            "{YOUR_AUDIO_URL}"
        ]
    },
    "parameters": {
        "channel_id": [0],
        "language_hints": ["zh", "en"]
    }
}'
  • 識別結果
{
    "file_url": "{YOUR_AUDIO_URL}",
    "properties": {
        "audio_format": "pcm_s16le",
        "channels": [
            0
        ],
        "original_sampling_rate": 16000,
        "original_duration_in_milliseconds": 3834
    },
    "transcripts": [
        {
            "channel_id": 0,
            "content_duration_in_milliseconds": 2480,
            "text": "Hello World,這裡是阿里巴巴語音實驗室。",
            "sentences": [
                {
                    "begin_time": 760,
                    "end_time": 3240,
                    "text": "Hello World,這裡是阿里巴巴語音實驗室。",
                    "sentence_id": 1,
                    "words": [
                        {
                            "begin_time": 760,
                            "end_time": 1000,
                            "text": "Hello",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 1000,
                            "end_time": 1120,
                            "text": " World",
                            "punctuation": ","
                        },
                        {
                            "begin_time": 1400,
                            "end_time": 1920,
                            "text": "這裡是",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 1920,
                            "end_time": 2520,
                            "text": "阿里巴巴",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 2520,
                            "end_time": 2840,
                            "text": "語音",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 2840,
                            "end_time": 3240,
                            "text": "實驗室",
                            "punctuation": "。"
                        }
                    ]
                }
            ]
        }
    ]
}

進階功能

使用OpenAI相容API

美國地區不支援OpenAI相容模式。
僅Qwen3-ASR-Flash系列模型支援OpenAI相容方式調用。OpenAI相容方式僅允許輸入公網可訪問的音頻檔案URL,不支援輸入本地音頻檔案絕對路徑。 OpenAI Python SDK 版本應不低於1.52.0, Node.js SDK 版本應不低於 4.68.0。安裝/升級命令:
# Python
pip install -U "openai>=1.52.0"

# Node.js
npm install openai@^4.68.0
asr_options非OpenAI標準參數。使用 OpenAI Python SDK 時,請通過 extra_body 傳入;使用 Node.js OpenAI SDK 時,直接將 asr_options 作為請求體的頂層參數傳入。
  • 輸入內容:音頻檔案URL
  • 輸入內容:Base64編碼的音頻檔案
  • Python SDK
  • Node.js SDK
  • cURL
from openai import OpenAI
import os

try:
    client = OpenAI(
        # 新加坡/美國地區和北京地區的API Key不同。擷取API Key:https://www.alibabacloud.com/help/zh/model-studio/get-api-key
        # 若沒有配置環境變數,請用阿里雲百鍊API Key將下行替換為:api_key = "sk-xxx",
        api_key=os.getenv("DASHSCOPE_API_KEY"),
        # 以下為新加坡地區的配置,調用時請將"{WorkspaceId}"替換為真實的業務空間ID,各地區的配置不同。
        base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
    )

    stream_enabled = False  # 是否開啟流式輸出
    completion = client.chat.completions.create(
        model="qwen3-asr-flash",
        messages=[
            {
                "content": [
                    {
                        "type": "input_audio",
                        "input_audio": {
                            "data": "{YOUR_AUDIO_URL}"
                        }
                    }
                ],
                "role": "user"
            }
        ],
        stream=stream_enabled,
        # stream設為False時,不能設定stream_options參數
        # stream_options={"include_usage": True},
        extra_body={
            "asr_options": {
                # "language": "zh",
                "enable_itn": False
            }
        }
    )
    if stream_enabled:
        full_content = ""
        print("流式輸出內容為:")
        for chunk in completion:
            # 如果stream_options.include_usage為True,則最後一個chunk的choices欄位為空白列表,需要跳過(可以通過chunk.usage擷取 Token 使用量)
            print(chunk)
            if chunk.choices and chunk.choices[0].delta.content:
                full_content += chunk.choices[0].delta.content
        print(f"完整內容為:{full_content}")
    else:
        print(f"非流式輸出內容為:{completion.choices[0].message.content}")
except Exception as e:
    print(f"錯誤資訊:{e}")

長音頻檔案處理

非即時語音辨識支援長音頻檔案非同步轉寫,適用於會議記錄、訪談整理、通話回放等情境。 限制說明:
  • Qwen-Audio-3.0-ASR-Flash-Filetrans/Fun-ASR / Qwen3-ASR-Flash-Filetrans / Paraformer:單個音頻檔案大小不超過 2GB,時間長度不超過 12 小時。
  • Qwen-Audio-3.0-ASR-Flash/Fun-ASR-Flash/Qwen3-ASR-Flash:單個音頻檔案大小不超過 10MB,時間長度不超過 5 分鐘。對於較長音頻,請使用 Qwen-Audio-3.0-ASR-Flash-Filetrans、Fun-ASR 或Qwen3-ASR-Flash-Filetrans。
  • 啟用說話人分離時:建議音頻時間長度不超過 2 小時,否則可能導致識別失敗或逾時。詳見說話人分離
調用方式:長音頻轉寫採用非同步任務模式,分三步:
  1. 提交轉寫任務,擷取 task_id
  2. 通過輪詢介面查詢任務狀態(或使用 SDK 的等待方法阻塞等待)。
  3. 任務完成後從返回的 URL 下載識別結果 JSON。
具體程式碼範例請參見Qwen3-ASR-Flash-Filetrans的快速開始代碼。

流式輸出

Qwen-Audio-3.0-ASR-Flash/Fun-ASR-Flash/Qwen3-ASR-Flash 支援流式輸出:邊識別邊返回中間結果,適用於需要即時反饋進度的情境。 Qwen-Audio-3.0-ASR-Flash-Filetrans、Fun-ASR、Qwen3-ASR-Flash-Filetrans、Paraformer 等非同步轉寫模型不支援流式輸出,需通過任務輪詢擷取最終結果(詳見長音頻檔案處理)。 啟用方式:
  • DashScope Python SDK:設定 stream 參數為 True
  • DashScope Java SDK:通過 streamCall 介面調用。
  • DashScope HTTP:在 Header 中設定 X-DashScope-SSEenable
  • OpenAI 相容 SDK:設定 stream 參數為 True
具體的流式輸出程式碼範例,請參見快速開始中Qwen3-ASR-Flash的流式輸出章節。

使用熱詞提升準確率

支援通過熱詞提升特定領域專有名詞(人名、地名、產品名等)的識別準確率。詳細的建立和使用方法,請參見提升識別準確率 不同 SDK 暴露上述參數的命名習慣不同(如字典 key、對象屬性、方法等),完整欄位對照請參見各 SDK 的 API 參考。

使用上下文增強提升準確率

支援上下文增強功能,可將對話歷史傳入 ASR 模型,顯著提升專有詞彙的轉寫準確率。詳細的使用方法和效果樣本,請參見上下文增強

說話人分離

說話人分離可自動識別音頻中不同說話人,並在轉寫結果中為每個句子標註說話人標籤,適用於多人會議、訪談錄音等情境。 支援範圍:Qwen-Audio-3.0-ASR-Flash-Filetrans、Fun-ASR 和 Paraformer 系列模型。 啟用方式:在 API 請求參數中設定 diarization_enabledtrue。識別結果中每個句子會包含 speaker_id 欄位,標識不同說話人。 返回結構樣本(節選):
{
  "transcripts": [
    {
      "sentences": [
        { "begin_time": 100, "end_time": 3820, "text": "你好,我們今天討論專案進度。", "speaker_id": 0 },
        { "begin_time": 3820, "end_time": 6500, "text": "好的,我先彙報一下。", "speaker_id": 1 }
      ]
    }
  ]
}
不同 SDK 暴露上述欄位的命名習慣不同(如字典 key、對象屬性、方法等),完整欄位對照請參見各 SDK 的 API 參考。
啟用說話人分離功能時,建議音頻時間長度不超過 2 小時,否則可能導致識別失敗或逾時(不啟用時音頻長度限制詳見長音頻檔案處理)。說話人分離僅支援單聲道音頻。
完整欄位定義請參見API參考。

敏感詞過濾

敏感詞過濾可對識別結果中的敏感詞執行替換或移除,適用於客服質檢、內容合規、字幕審核等情境。 支援範圍:Qwen-Audio-3.0-ASR-Flash-Filetrans、Fun-ASR 與 Paraformer 系列模型。 預設行為:未傳入 special_word_filter 參數時,系統啟用內建的阿里雲百鍊敏感詞表,匹配的詞語會被替換為等長的 * 自訂配置special_word_filter 是 JSON 對象,包含三個子欄位:
  • filter_with_signed.word_list:字串數組,列出需要被替換為等長 * 的敏感詞。例如 ["測試"],「幫我測試一下」會變成「幫我**一下」。
  • filter_with_empty.word_list:字串數組,列出需要從結果中完全移除的敏感詞。例如 ["開始"],「比賽這就要開始了嗎」會變成「比賽這就要了嗎」。
  • system_reserved_filter:布爾值,預設 true。是否同時啟用系統預置敏感詞表(與自訂詞表疊加生效)。
配置樣本:
{
  "special_word_filter": {
    "filter_with_signed": {
      "word_list": ["測試"]
    },
    "filter_with_empty": {
      "word_list": ["開始", "發生"]
    },
    "system_reserved_filter": true
  }
}
不同 SDK 暴露上述參數的命名習慣不同(如字典 key、對象屬性、方法等),完整欄位對照請參見 API參考。

情感識別

Qwen3-ASR-Flash-Filetrans 與Qwen3-ASR-Flash 系列模型固定開啟情感識別,無需額外配置。識別結果中會附帶說話人的情緒標籤,取值為 7 類細粒度情緒:surprised(驚訝)、neutral(平靜)、happy(愉快)、sad(悲傷)、disgusted(厭惡)、angry(憤怒)、fearful(恐懼)。 欄位路徑(因介面而異):
  • OpenAI 相容介面(Qwen3-ASR-Flash 即時轉寫):嵌套在 choices[].delta.annotations[].emotion(流式輸出)或 choices[].message.annotations[].emotion(非流式)。
  • DashScope 同步調用介面(Qwen3-ASR-Flash):嵌套在 output.choices[].message.annotations[].emotion
  • DashScope 非同步任務介面(Qwen3-ASR-Flash-Filetrans 錄音檔案轉寫):嵌套在 transcripts[].sentences[].emotion,與時間戳記、說話人等欄位並列在每個句子物件中。
返回結構樣本(DashScope 非同步任務介面節選):
{
  "transcripts": [{
    "sentences": [{
      "begin_time": 0,
      "end_time": 1440,
      "text": "歡迎使用阿里雲。",
      "emotion": "neutral",
      "language": "zh"
    }]
  }]
}
不同 SDK 暴露上述欄位的命名習慣不同(如字典 key、對象屬性、方法等),完整欄位對照請參見API參考。
Qwen-Audio-3.0-ASR-Flash-Filetrans、Qwen-Audio-3.0-ASR-Flash、Fun-ASR-Flash、Fun-ASR 和 Paraformer 非即時模型暫不支援情感識別功能。如需在即時識別中使用情感識別,可參考 即時語音辨識 的對應章節。

擷取時間戳記

非即時語音辨識支援在轉寫結果中輸出時間戳記,便於字幕產生、關鍵詞高亮、音視訊剪輯等情境。Qwen-Audio-3.0-ASR-Flash-Filetrans、Qwen-Audio-3.0-ASR-Flash、Fun-ASR、Fun-ASR-Flash、Qwen3-ASR-Flash-Filetrans、Paraformer 均支援,但各模型的時間戳記預設行為和控制方式不同:
  • Qwen-Audio-3.0-ASR-Flash-Filetrans/Qwen-Audio-3.0-ASR-Flash/Fun-ASR/Fun-ASR-Flash/Paraformer:時間戳記功能固定開啟,不可關閉。
  • Qwen3-ASR-Flash-Filetrans:僅 DashScope 非同步呼叫方式支援時間戳記,時間戳記功能固定開啟。可通過請求參數 enable_words 控制時間戳記層級:設為 false(預設)返回句級時間戳記,設為 true 返回字級時間戳記。字層級時間戳記僅支援以下語種:中文、英語、日語、韓語、德語、法語、西班牙語、意大利語、葡萄牙語、俄語,其他語種可能無法保證準確性。
Qwen3-ASR-Flash 通過 OpenAI 相容介面調用時,輸出形態為 chat.completion,不返回時間戳記欄位。如需時間戳記,請使用Qwen3-ASR-Flash-Filetrans(非同步任務介面)。
時間戳記單位均為毫秒,分兩個層級返回:
  • 句級sentences[].begin_timesentences[].end_time,標識每個句子在音頻中的起止時刻。
  • 字級sentences[].words[] 數組,每個元素包含 begin_timeend_timetext(該字/詞文本)。
返回結構樣本(DashScope 非同步任務介面節選):
{
  "transcripts": [{
    "sentences": [{
      "begin_time": 100,
      "end_time": 3820,
      "text": "你好,我們今天討論專案進度。",
      "words": [
        { "begin_time": 100, "end_time": 596, "text": "你好" },
        { "begin_time": 596, "end_time": 844, "text": "我們" }
      ]
    }]
  }]
}
音頻內時間戳記是毫秒整數(如 100),與任務級 end_time(任務完成時間,字串日期如 "2024-09-12 15:11:40.903")不是同一欄位,請勿混淆。
不同 SDK 暴露上述欄位的命名習慣不同(如字典 key、對象屬性、方法等),完整欄位對照請參見 API參考。

應用於生產環境

將非即時語音辨識應用於生產環境時,以下最佳實務有助於提升識別效果和系統穩定性。

高並發情境:使用回調替代輪詢

非同步轉寫任務(Qwen-Audio-3.0-ASR-Flash-Filetrans、Fun-ASR、Qwen3-ASR-Flash-Filetrans、Paraformer)通過 POST /api/v1/services/audio/asr/transcription 提交後,通常做法是周期性調用查詢介面 GET /api/v1/tasks/{task_id} 擷取結果。該查詢介面預設 20 QPS、最高可擴容至 100 QPS,在高並發批量情境下,頻繁輪詢易觸發限流。 通過事件匯流排 EventBridge 配置回調通知,任務完成時阿里雲百鍊會自動推送 dashscope:System:AsyncTaskFinish 事件至您配置的目標(HTTP/HTTPS 端點或 RocketMQ Topic),消費端收到事件後無需再調用查詢介面,從而規避因頻繁輪詢而被限流的風險。詳情請參見配置 EventBridge 回調通知

適用模型

  • 適用模型:Qwen-Audio-3.0-ASR-Flash-Filetrans、Fun-ASR、Qwen3-ASR-Flash-Filetrans、Paraformer(均為非同步轉寫任務)。
  • 不適用:Qwen3-ASR-Flash(同步/流式調用,不屬非同步任務範疇)。

回調訊息內容

三種模型的回調訊息體中 data.contain_result 均為 truedata.output_result 直接攜帶 transcription_url,消費端收到回調後即可擷取識別結果,無需再調用 GET /api/v1/tasks/{task_id}。但三個模型的結果欄位路徑與結構不同,詳見下表。
編寫消費端時請按使用的模型選擇正確路徑,不可寫死為單一路徑。失敗情境下 data.output_result.output 不再含 results/result,而是含 codemessage 欄位,需先判斷 data.task_status 再取結果。

模型

提交參數

結果欄位路徑(基於回調 Body)

usage 欄位

Qwen-Audio-3.0-ASR-Flash-Filetrans、Fun-ASR

input.file_urls(數組,單次僅支援 1 個 URL)

data.output_result.output.results[ ].transcription_url(數組,每個檔案一項,含 subtask_status;並附 task_metrics

duration

Paraformer

input.file_urls(數組,單次僅支援 1 個 URL)

同 Qwen-Audio-3.0-ASR-Flash-Filetrans/Fun-ASR:data.output_result.output.results[ ].transcription_url

duration

Qwen3-ASR-Flash-Filetrans

input.file_url單對象,單次僅支援 1 個 URL)

data.output_result.output.result.transcription_url單對象,無 results[ ] / task_metrics

seconds

注意事項

安全(HTTP/HTTPS 投遞方式):生產環境必須校正回調要求標頭中的 X-Eventbridge-Signature* 數列欄位後再消費,否則任意外部 IP 都可偽造 AsyncTaskFinish 事件,注入虛假識別結果。建議同時為接收端設定至少 5 秒的接收逾時。RocketMQ 投遞方式無訊息級簽名,安全性由 RocketMQ 鑒權機制保證。 投遞延遲:從任務結束(end_time)到投遞目標(HTTP/HTTPS 端點或 RocketMQ Topic)收到訊息,通常約 1–90 秒,具體延遲受 EventBridge 即時負載影響。 等冪性:同一事件可能因重試而被投遞多次。消費端需實現等冪處理,建議以 CloudEvents data.iddata.task_id 作為去重鍵。

生產環境建議

  • 檔案託管:將音頻檔案上傳至阿里雲 OSS,通過 URL 方式調用,避免使用本地檔案上傳(本地檔案調用上限 100 QPS,不支援擴容)。
  • 非同步輪詢:長音頻轉寫採用非同步模式,建議設定合理的輪詢間隔(如 2~5 秒),避免頻繁查詢消耗配額。如需突破 20–100 QPS 查詢上限,可改用事件回調通知,詳見高並發情境:使用回調替代輪詢
  • 錯誤處理:實現完善的重試機制;網路逾時或服務端臨時錯誤(5xx)按指數退避策略重試。
  • 降噪處理:雜訊較大的音頻建議先用 FFmpeg 等工具預先處理後再提交識別。
  • 模型選擇:根據音頻時間長度選擇合適的模型。5 分鐘以內的短音頻使用Qwen3-ASR-Flash,超過 5 分鐘的長音頻使用 Qwen-Audio-3.0-ASR-Flash-Filetrans、Fun-ASR 或Qwen3-ASR-Flash-Filetrans。

支援的模型與地區

  • 新加坡
  • 美國(維吉尼亞)
  • 華北2(北京)
調用以下模型時,請選擇新加坡地區的API Key
  • Qwen-Audio-3.0-ASR-Flash-Filetrans:qwen-audio-3.0-asr-flash-filetrans
  • Qwen-Audio-3.0-ASR-Flash:qwen-audio-3.0-asr-flash
  • Fun-ASR:fun-asr(穩定版,當前等同fun-asr-2025-11-07)、fun-asr-2025-11-07(快照版)、fun-asr-2025-08-25(快照版)、fun-asr-mtl(穩定版,當前等同fun-asr-mtl-2025-08-25)、fun-asr-mtl-2025-08-25(快照版)
  • Fun-ASR-Flash:fun-asr-flash-2026-06-15
  • Qwen3-ASR-Flash-Filetrans:qwen3-asr-flash-filetrans(穩定版,當前等同qwen3-asr-flash-filetrans-2025-11-17)、qwen3-asr-flash-filetrans-2025-11-17(快照版)
  • Qwen3-ASR-Flash:qwen3-asr-flash(穩定版,當前等同qwen3-asr-flash-2025-09-08)、qwen3-asr-flash-2026-02-10(最新快照版)、qwen3-asr-flash-2025-09-08(快照版)

API參考

常見問題

Q:如何為API提供公網可訪問的音頻URL?

推薦使用阿里雲Object Storage Service,它提供了高可用、高可靠的儲存服務,並且可以方便地產生公網訪問URL。 在公網環境下驗證產生的 URL 可正常訪問:可在瀏覽器或通過 curl 命令訪問該 URL,確保音頻檔案能夠成功下載或播放(HTTP狀態代碼為200)。

Q:如何檢查音頻格式是否符合要求?

可以使用開源工具ffprobe快速擷取音訊詳細資料:
# 查詢音訊容器格式(format_name)、編碼(codec_name)、採樣率(sample_rate)、聲道數(channels)
ffprobe -v error -show_entries format=format_name -show_entries stream=codec_name,sample_rate,channels -of default=noprint_wrappers=1 your_audio_file.mp3

Q:如何處理音頻以滿足模型要求?

可以使用開源工具FFmpeg對音頻進行裁剪或格式轉換:
  • 音頻裁剪:從長音頻中截取片段
# -i: 輸入檔案
# -ss 00:01:30: 設定裁剪的起始時間 (從1分30秒開始)
# -t 00:02:00: 設定裁剪的持續時間長度 (裁剪2分鐘)
# -c copy: 直接複製音頻流,不重新編碼,速度快
# output_clip.wav: 輸出檔案
ffmpeg -i long_audio.wav -ss 00:01:30 -t 00:02:00 -c copy output_clip.wav
  • 格式轉換 例如,將任意音頻轉換為16kHz、16-bit、單聲道WAV檔案
# -i: 輸入檔案
# -ac 1: 設定聲道數為1 (單聲道)
# -ar 16000: 設定採樣率為16000Hz (16kHz)
# -sample_fmt s16: 設定採樣格式為16-bit signed integer PCM
# output.wav: 輸出檔案
ffmpeg -i input.mp3 -ac 1 -ar 16000 -sample_fmt s16 output.wav

Q:如何提升識別準確率?

以下因素影響識別準確率,請逐項排查並針對性最佳化。 主要影響因素:
  1. 聲音品質:錄音裝置品質、採樣率及環境雜訊直接影響音頻清晰度,高品質音頻輸入是準確識別的基礎
  2. 說話人特徵:音調、語速、口音和方言差異(尤其少見方言或重口音)增加識別難度
  3. 語言和詞彙:多語言混合、專業術語或俚語增加識別難度,可通過配置熱詞最佳化特定領域術語的準確率
最佳化方法:
  1. 最佳化音頻品質:使用高效能麥克風,按推薦採樣率錄音,盡量減少環境雜訊與回聲
  2. 適配說話人:對於口音較重或方言明顯的音頻,選用支援對應方言的模型
  3. 配置熱詞:為專業術語、專有名詞等設定熱詞
Token Plan
模型體驗
用量統計與效能監控
資產中心
服務支援