能力与用途
模型定位:千问 Audio 为音频语言模型,可识别语音内容并分析说话人的性别、年龄段、口音、情绪、意图,也能识别汽车喇叭声、雷声、破碎玻璃声等自然声音,并分析音乐中的乐器、节奏、调性与风格。 版本与规格:qwen-audio-turbo 稳定版上下文 8000 token,最大输入 6000 token,最大输出 1500 token;qwen-audio-turbo-latest 最新版上下文 8192 token,最大输入 6144 token,最大输出 2048 token。音频按每秒 25 个 token 换算,不足 1 秒按 25 token 计。免费额度为 10 万 token,自开通阿里云百炼后 90 天内有效。 接入与调用:需使用北京地域的 API Key,仅支持通过 API(DashScope SDK 或 HTTP)调用,不支持控制台在线体验。音频可经公网 URL、Base64 编码或本地文件路径三种方式传入;本地路径方式仅 DashScope Python 和 Java SDK 支持。 输入限制:公网 URL 或本地路径传入的音频不超过 10 MB,Base64 编码后字符串不超过 10 MB;音频时长不超过 30 秒,超出部分仅处理前 30 秒;支持 AMR、WAV(GSM_MS)、WAV(PCM)、3GP、3GPP、AAC、MP3 等格式;支持中文、英语、粤语、法语、意大利语、西班牙语、德语和日语。 选型提示:该模型无付费选项,不适合直接投产。若需生产级音频理解或全模态能力,官方推荐迁移到千问 Omni,其支持付费并覆盖国际版(新加坡)与中国大陆版(北京)地域。
暂无经过核验的逐项评分,暂不绘制能力雷达或综合排名。
数据与来源
- 资料提供方
- 阿里云
- 官方说明
- 核对官方资料 ↗
- 站内资料更新
- 2026-11-06 04:36:05
站内更新时间不等同于模型发布日期。未提供测试集、日期和原始成绩时,不展示官方或平台实测分数。
版本记录
历史版本、上线与下线日期待核实。
接入与使用
请按官方文档确认 API 地址、模型标识、身份验证、权限与收费规则。
打开官方文档