规格参数
输入
- 音频格式
- aac, amr, avi, flac, flv, m4a, mkv, mov, mp3, mp4, mpeg, ogg, opus, wav, webm, wma, wmv · qwen-audio-3.1-asr-flash / filetrans 支持列表
- 文件大小与时长
- 同步 ≤2GB 且 ≤5 分钟;异步 ≤2GB 且 ≤12 小时 · 按模型版本区分
接口
- 调用方式
- REST API,DashScope API Key 鉴权;同步支持 SSE 流式,异步提交任务后轮询 · 端点 cn-beijing.maas.aliyuncs.com
输出
- 时间戳
- 句级与字级 begin_time/end_time,毫秒,始终开启 · 不可关闭
功能
- 说话人分离
- speaker_diarization_enabled: true(同步);diarization_enabled: true(异步) · 需单声道音频
区域
- 可用区域
- 中国(北京)、新加坡、美国(弗吉尼亚) · Qwen-Audio-ASR 与 Filetrans 在北京和新加坡可用
资料下载
同类对比
| 规格 | 本品 · qwen-audio-3.1-asr-flash | kimi-k3.1-pro | 火山方舟模型 API | doubao-seed-2.1-turbo | CreateArkOfficialResultQuery / GetArkOfficialResult |
|---|---|---|---|---|---|
| 主控 | — | — | — | — | — |
| NPU | — | — | — | — | — |
| 内存 / 显存 | — | — | — | — | — |
| 参考单价 | 询价 | 询价 | 询价 | 询价 | ¥0.1 |
| 库存 | — | — | — | — | — |
产品介绍
用途与场景:官方说明该服务将已录制的音视频文件转为文本,用于会议转写、通话分析和字幕。短音频可在一次请求中返回结果,长录音作为异步任务处理。
接口与调用:通过 DASHSCOPE_API_KEY 调用 REST 接口。同步版 qwen-audio-3.1-asr-flash 接受 URL 或 Base64 Data URI 音频,支持 X-DashScope-SSE: enable 流式输出;filetrans 版本提交任务后轮询状态(PENDING/RUNNING/SUCCEEDED/FAILED/CANCELED),成功后下载转录 JSON,结果 URL 有效期 24 小时。
输入限制:同步版支持 aac、amr、avi、flac、flv、m4a、mkv、mov、mp3、mp4、mpeg、ogg、opus、wav、webm、wma、wmv 等格式,单文件≤2GB 且≤5分钟;异步版同样≤2GB 但最长 12 小时。说话人分离要求单声道音频,且开启分离时异步转写建议不超过 2 小时,以降低失败或超时风险。
输出能力:结果包含完整文本、句级与字级时间戳(毫秒)、speaker_id;时间戳始终开启无法关闭。文本润色(整理口头语、重复、自我修正)为 qwen-audio-3.1-asr-flash 原生支持;方言默认转写为普通话,keep_dialect: true 可保留方言表达。开启说话人分离后 keep_dialect 和 language_hints 不生效。
采购前核查:确认所需模型在目标区域(中国北京/新加坡/美国弗吉尼亚)可用;确认音频格式、采样率与实际文件匹配;生产环境需自行处理音频存储、提交与查询限流、完成回调和结果持久化。
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