Технические параметры
Характеристики модели
- Длина контекста (qwen-audio-turbo)
- 8000 token · Стабильная версия
- Макс. вход (qwen-audio-turbo)
- 6000 token · Стабильная версия
- Макс. выход (qwen-audio-turbo)
- 1500 token · Стабильная версия
- Длина контекста (qwen-audio-turbo-latest)
- 8192 token · Новейшая версия
- Макс. вход (qwen-audio-turbo-latest)
- 6144 token · Новейшая версия
- Макс. выход (qwen-audio-turbo-latest)
- 2048 token · Новейшая версия
Ограничения вызова
- Максимальная длительность аудио
- 30 秒 · При превышении обрабатываются только первые 30 секунд
- Максимальный размер аудиофайла
- 10 MB · Строка после кодирования Base64 также не должна превышать 10 MB
Правила тарификации
- Конвертация аудио в токены
- 每秒 25 token · При длительности менее 1 секунд начисляется 25 токенов
- Бесплатная квота
- 10 万 token · Действительна в течение 90 дней после активации Bailian
资料下载
Сравнение с аналогами
| Спецификация | 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 |
|---|---|---|---|---|---|
| Основной контроллер | — | — | — | — | — |
| NPU | — | — | — | — | — |
| Память / видеопамять | — | — | — | — | — |
| Ориентировочная цена за единицу | Запрос цены | Запрос цены | Запрос цены | Запрос цены | Запрос цены |
| Наличие | — | — | — | — | — |
Описание продукта
Позиционирование модели: Qwen Audio — аудиоязыковая модель, распознающая содержание речи и анализирующая пол, возрастную группу, акцент, эмоции и намерения говорящего; также распознаёт природные звуки, такие как гудки автомобиля, гром, звук разбитого стекла, и анализирует в музыке инструменты, ритм, тональность и стиль.
Версии и спецификации: qwen-audio-turbo стабильная версия — контекст 8000 токенов, максимальный ввод 6000 токенов, максимальный вывод 1500 токенов; qwen-audio-turbo-latest последняя версия — контекст 8192 токенов, максимальный ввод 6144 токенов, максимальный вывод 2048 токенов. Аудио пересчитывается в 25 токенов в секунду; если длительность менее 1 секунд, учитывается как 25 токенов. Бесплатная квота — 10 тыс. токенов, действительна 90 дней с момента активации Alibaba Cloud Bailian.
Подключение и вызовы: требуется ключ API региона Пекин; вызовы доступны только через API (DashScope SDK или HTTP), консольный онлайн-демонстрационный режим не поддерживается. Аудио можно передать тремя способами: по публичному URL, в кодировке Base64 или по локальному пути к файлу; локальный путь поддерживается только в DashScope SDK для Python и Java.
Ограничения ввода: аудио, передаваемое по публичному URL или локальному пути, не должно превышать 10 MB; строка после кодировки Base64 не должна превышать 10 MB; длительность аудио не более 30 секунд — при превышении обрабатываются только первые 30 секунд; поддерживаются форматы AMR, WAV (GSM_MS), WAV (PCM), 3GP, 3GPP, AAC, MP3 и др.; поддерживаются китайский, английский, кантонский, французский, итальянский, испанский, немецкий и японский языки.
Совет по выбору: у модели нет платного варианта, поэтому она не подходит для непосредственного запуска в production. Если требуется аудиоанализ промышленного уровня или мультимодальные возможности, официально рекомендуется миграция на Qwen Omni, который поддерживает оплату и охватывает международную версию (Сингапур) и версию для материкового Китая (Пекин).
Источник информации 阿里云帮助中心
Примечание к составлению 内容由 AI 根据公开资料整理;事实与推断分开呈现。
Сообщить об ошибке в содержании