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-turbo | kimi-k3.1-pro | 火山方舟模型 API | qwen-audio-3.1-asr-flash | doubao-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。