AI 之家 / 模型库 / 千问 Audio(Qwen-Audio)

千问 Audio(Qwen-Audio)

AI 辅助整理
阿里云音频转录内容摘要情感分析音频事件检测语音聊天音频问答录入参考价 · 以官方为准

千问 Audio 是阿里云研发的大规模音频语言模型,支持说话人语音、自然声音、音乐、歌声等多类音频的理解,核心能力包括音频转录、内容摘要、情感分析、音频事件检测和语音聊天。当前 qwen-audio-turbo 提供稳定版与最新版两个版本,仅支持北京地域的 API 调用,且只有免费体验额度,用完后不可付费调用。适合做音频理解的能力验证与小规模试验;面向生产环境的音频理解,官方建议改用支持付费和全模态能力的千问 Omni。

上下文 token8,000
输入 / 百万 token待核实
输出 / 百万 token待核实
版本qwen-audio-turbo(稳定版)、qwen-audio-turbo-latest(最新版)
部署云端 API:仅支持中国内地部署模式,接入点与数据存储位于北京地域;仅支持通过 DashScope API 调用,暂不支持控制台在线体验

能力与用途

音频转录内容摘要情感分析音频事件检测语音聊天音频问答

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。

能力对比

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
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

qwen-audio-turbo(稳定版)、qwen-audio-turbo-latest(最新版)当前录入版本

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

平台实测

暂无已核验的模型测试报告。模型能力标签不表示已经完成平台实测。
选型助手

让需求变成可修改的筛选条件

依据已录入参数生成条件,结果可查看和修改。帧率与性能需核对实测,不能仅凭算力数值保证。