Tham số kỹ thuật
Thông số mô hình
- Độ dài ngữ cảnh (qwen-audio-turbo)
- 8000 token · Bản ổn định
- Đầu vào tối đa (qwen-audio-turbo)
- 6000 token · Bản ổn định
- Đầu ra tối đa (qwen-audio-turbo)
- 1500 token · Bản ổn định
- Độ dài ngữ cảnh (qwen-audio-turbo-latest)
- 8192 token · Bản mới nhất
- Đầu vào tối đa (qwen-audio-turbo-latest)
- 6144 token · Bản mới nhất
- Đầu ra tối đa (qwen-audio-turbo-latest)
- 2048 token · Bản mới nhất
Giới hạn gọi API
- Giới hạn thời lượng âm thanh
- 30 秒 · Nếu vượt quá, chỉ xử lý 30 giây đầu tiên
- Giới hạn dung lượng tệp âm thanh
- 10 MB · Chuỗi sau khi mã hóa Base64 cũng không được vượt quá 10 MB
Quy tắc tính phí
- Quy đổi âm thanh thành Token
- 每秒 25 token · Dưới 1 giây được tính là 25 token
- Hạn mức miễn phí
- 10 万 token · Có hiệu lực trong vòng 90 ngày sau khi kích hoạt Bailian
资料下载
So sánh sản phẩm tương tự
| Thông số kỹ thuật | 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 |
|---|---|---|---|---|---|
| Bộ điều khiển chính | — | — | — | — | — |
| NPU | — | — | — | — | — |
| Bộ nhớ / VRAM | — | — | — | — | — |
| Đơn giá tham khảo | Hỏi giá | Hỏi giá | Hỏi giá | Hỏi giá | Hỏi giá |
| Tồn kho | — | — | — | — | — |
Giới thiệu sản phẩm
Định vị mô hình: Qwen Audio là mô hình ngôn ngữ âm thanh, có thể nhận dạng nội dung giọng nói và phân tích giới tính, độ tuổi, giọng địa phương, cảm xúc, ý định của người nói; cũng nhận được tiếng còi xe, tiếng sấm, tiếng kính vỡ và các âm thanh tự nhiên khác, đồng thời phân tích nhạc cụ, nhịp điệu, điệu thức và phong cách trong âm nhạc.
Phiên bản và thông số: qwen-audio-turbo bản ổn định có ngữ cảnh 8000 token, đầu vào tối đa 6000 token, đầu ra tối đa 1500 token; qwen-audio-turbo-latest bản mới nhất có ngữ cảnh 8192 token, đầu vào tối đa 6144 token, đầu ra tối đa 2048 token. Âm thanh được quy đổi theo 25 token mỗi giây, dưới 1 giây được tính là 25 token. Hạn mức miễn phí là 10 vạn token, có hiệu lực trong vòng 90 ngày kể từ khi kích hoạt Alibaba Cloud Bailian.
Kết nối và gọi API: cần sử dụng API Key của khu vực Bắc Kinh, chỉ hỗ trợ gọi qua API (DashScope SDK hoặc HTTP), không hỗ trợ trải nghiệm trực tuyến trên bảng điều khiển. Âm thanh có thể được truyền qua ba cách: URL công khai, mã hóa Base64 hoặc đường dẫn tệp cục bộ; phương thức đường dẫn cục bộ chỉ được DashScope Python và Java SDK hỗ trợ.
Giới hạn đầu vào: âm thanh truyền qua URL công khai hoặc đường dẫn cục bộ không vượt quá 10 MB, chuỗi sau mã hóa Base64 không vượt quá 10 MB; thời lượng âm thanh không vượt quá 30 giây, phần vượt quá chỉ xử lý 30 giây đầu; hỗ trợ các định dạng AMR, WAV (GSM_MS), WAV (PCM), 3GP, 3GPP, AAC, MP3; hỗ trợ tiếng Trung, tiếng Anh, tiếng Quảng Đông, tiếng Pháp, tiếng Ý, tiếng Tây Ban Nha, tiếng Đức và tiếng Nhật.
Gợi ý lựa chọn: mô hình này không có tùy chọn trả phí, không phù hợp để đưa vào sản xuất trực tiếp. Nếu cần hiểu âm thanh cấp sản xuất hoặc năng lực đa phương thức, nhà phát triển khuyến nghị chuyển sang Qwen Omni, hỗ trợ trả phí và bao phủ cả khu vực quốc tế (Singapore) và khu vực Trung Quốc đại lục (Bắc Kinh).