Технические параметры
Вход
- Аудиоформаты
- aac, amr, avi, flac, flv, m4a, mkv, mov, mp3, mp4, mpeg, ogg, opus, wav, webm, wma, wmv · Список поддерживаемых форматов qwen-audio-3.1-asr-flash / filetrans
- Размер файла и длительность
- 同步 ≤2GB 且 ≤5 分钟;异步 ≤2GB 且 ≤12 小时 · Различается по версиям моделей
API
- Способ вызова
- REST API,DashScope API Key 鉴权;同步支持 SSE 流式,异步提交任务后轮询 · Эндпоинт cn-beijing.maas.aliyuncs.com
Выход
- Тайм-коды
- 句级与字级 begin_time/end_time,毫秒,始终开启 · Отключить нельзя
Функции
- Разделение по спикерам
- speaker_diarization_enabled: true(同步);diarization_enabled: true(异步) · Требуется монофоническое аудио
Регионы
- Доступные регионы
- 中国(北京)、新加坡、美国(弗吉尼亚) · Qwen-Audio-ASR и Filetrans доступны в Пекине и Сингапуре
资料下载
Сравнение с аналогами
| Спецификация | 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 |
|---|---|---|---|---|---|
| Основной контроллер | — | — | — | — | — |
| NPU | — | — | — | — | — |
| Память / видеопамять | — | — | — | — | — |
| Ориентировочная цена за единицу | Запрос цены | Запрос цены | Запрос цены | Запрос цены | ¥0.1 |
| Наличие | — | — | — | — | — |
Описание продукта
Назначение и сценарии: согласно официальному описанию, сервис преобразует уже записанные аудио- и видеофайлы в текст для транскрибирования совещаний, анализа звонков и субтитров. Результаты для короткого аудио возвращаются в одном запросе, длинные записи обрабатываются как асинхронные задачи.
API и вызов: вызов через REST-интерфейс с DASHSCOPE_API_KEY. Синхронная версия qwen-audio-3.1-asr-flash принимает аудио в виде URL или Base64 Data URI, поддерживает потоковый вывод через X-DashScope-SSE: enable; версия filetrans после отправки задачи опрашивает её статус (PENDING/RUNNING/SUCCEEDED/FAILED/CANCELED), после успеха скачивается JSON транскрипции, URL результата действителен 24 часов.
Ограничения входа: синхронная версия поддерживает форматы aac, amr, avi, flac, flv, m4a, mkv, mov, mp3, mp4, mpeg, ogg, opus, wav, webm, wma, wmv и др., один файл ≤2GB и ≤5 минут; асинхронная версия также ≤2GB, но до 12 часов. Разделение по спикерам требует монофонического аудио; при включённом разделении для асинхронной транскрипции рекомендуется длительность не более 2 часов, чтобы снизить риск ошибок или тайм-аута.
Возможности выхода: результат содержит полный текст, тайм-коды на уровне предложений и символов (в миллисекундах), speaker_id; тайм-коды всегда включены и их нельзя отключить. Полировка текста (уборка слов-паразитов, повторов, самокоррекций) изначально поддерживается в qwen-audio-3.1-asr-flash; диалекты по умолчанию транскрибируются на путунхуа, keep_dialect: true сохраняет диалектные выражения. При включённом разделении по спикерам keep_dialect и language_hints не действуют.
Проверки перед закупкой: убедитесь, что нужная модель доступна в целевом регионе (Пекин (Китай)/Сингапур/Вирджиния (США)); проверьте соответствие формата аудио и частоты дискретизации реальным файлам; в производственной среде необходимо самостоятельно обрабатывать хранение аудио, лимиты отправки и запросов статуса, колбэки завершения и сохранение результатов.
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