千问 Audio(Qwen-Audio)品类示意图
内容纠错
品牌 阿里云

千问 Audio(Qwen-Audio)

型号 qwen-audio-turbo大模型与软件服务
关键规格 1供方提供上下文 8000 token(turbo)/8192 token(latest)
关键规格 2供方提供最大输入 6000/6144 token
关键规格 3供方提供最大输出 1500/2048 token
关键规格 4供方提供音频每秒 25 token
参考单价询价

下载资料参考小计 询价

价格与库存供选型参考,正式报价和交期请供方确认。

规格参数

模型规格

上下文长度(qwen-audio-turbo)
8000 token · 稳定版
最大输入(qwen-audio-turbo)
6000 token · 稳定版
最大输出(qwen-audio-turbo)
1500 token · 稳定版
上下文长度(qwen-audio-turbo-latest)
8192 token · 最新版
最大输入(qwen-audio-turbo-latest)
6144 token · 最新版
最大输出(qwen-audio-turbo-latest)
2048 token · 最新版

调用限制

音频时长上限
30 秒 · 超过仅处理前 30 秒
音频文件大小上限
10 MB · Base64 编码后字符串同样不超过 10 MB

计费口径

音频转 Token
每秒 25 token · 不足 1 秒按 25 token 计
免费额度
10 万 token · 百炼开通后 90 天内有效

资料下载

同类对比

规格本品 · qwen-audio-turbokimi-k3.1-pro火山方舟模型 APIqwen-audio-3.1-asr-flashdoubao-seed-2.1-turbo
主控—————
NPU—————
内存 / 显存—————
参考单价询价询价询价询价询价
库存—————

产品介绍

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。

资料来源 阿里云帮助中心

整理说明 内容由 AI 根据公开资料整理;事实与推断分开呈现。

内容纠错

产品参数对比

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。