Skip to main content

qwen-audio-3.1-realtime-flash

即時雙工語音對話模型,支援文本和音訊輸入輸出、工具呼叫、聯網搜索及聲音複刻。

推理服務供應商

阿里雲百鍊。

模型能力

能力項目說明
輸入模態文字、音訊
輸出模態文字、音訊
Function Calling支援
聯網搜索支援
聲音複刻支援
接入協議WebSocket、WebRTC、AOQ
預設音色longanqian_v3.1
思考模式不支援 enable_thinking
交互模式server_vad、smart_turn、smart_turn_v2(推薦)、push-to-talk
說話人增強支援(smart_turn、smart_turn_v2 模式)
聯網搜索透過 enable_search 開啓,可與 Function Calling 同時啓用。

上下文限制

參數上限(Token)
上下文長度262,144
最大输入长度245,760
最大輸出長度16,384
音訊歷史上下文限制上限
最大輪次50
累計音訊時長300 秒

價格

僅輸出文本時,按文本輸出單價計費;輸出文本和音訊時,僅對音訊收取輸出費用,伴隨文本不另收輸出費。 價格單位:美元/百萬 Token。
  • 新加坡
  • 華北2(北京)
模型 ID文本輸入音訊輸入文本輸出音訊輸出
qwen-audio-3.1-realtime-flash$0.23$0.93$0.7$1.87

限流

WebSocket 的 RPM 按連接請求次數統計,與模型響應次數無關;沒有單獨的併發連接數限制。
  • 新加坡
  • 華北2(北京)
模型 IDRPMTPMWebSocket 併發連接數
qwen-audio-3.1-realtime-flash60100,000無單獨限制

呼叫方式