已就绪内容按当前版本翻译;动态数量、项目输入等部分界面仍可能显示中文原文。
AI 之家 / 模型庫 / 千問 Audio(Qwen-Audio)

千問 Audio(Qwen-Audio)

AI 辅助整理
阿里云音频转录内容摘要情感分析音频事件检测语音聊天音频问答錄入參考價 · 以官方為準

千問 Audio 是阿里雲研發的大規模音訊語言模型,支援說話人語音、自然聲音、音樂、歌聲等多類音訊的理解,核心能力包括音訊轉錄、內容摘要、情感分析、音訊事件偵測和語音聊天。目前 qwen-audio-turbo 提供穩定版與最新版兩個版本,僅支援北京地域的 API 呼叫,且只有免費體驗額度,用完後不可付費呼叫。適合做音訊理解的能力驗證與小規模試驗;面向生產環境的音訊理解,官方建議改用支援付費與全模態能力的千問 Omni。

上下文 token8,000
輸入 / 百萬 token待核實
輸出 / 百萬 token待核實
版本qwen-audio-turbo(稳定版)、qwen-audio-turbo-latest(最新版)
部署云端 API:仅支持中国内地部署模式,接入点与数据存储位于北京地域;仅支持通过 DashScope API 调用,暂不支持控制台在线体验

能力與用途

音频转录内容摘要情感分析音频事件检测语音聊天音频问答

模型定位:千問 Audio 為音訊語言模型,可識別語音內容並分析說話人的性別、年齡層、口音、情緒、意圖,也能識別汽車喇叭聲、雷聲、破碎玻璃聲等自然聲音,並分析音樂中的樂器、節奏、調性與風格。 版本與規格:qwen-audio-turbo 穩定版上下文 8000 token,最大輸入 6000 token,最大輸出 1500 token;qwen-audio-turbo-latest 最新版上下文 8192 token,最大輸入 6144 token,最大輸出 2048 token。音訊按每秒 25 個 token 換算,不足 1 秒按 25 token 計。免費額度為 10 萬 token,自開通阿里雲百煉後 90 天內有效。 接入與呼叫:需使用北京地域的 API Key,僅支援透過 API(DashScope SDK 或 HTTP)呼叫,不支援控制台線上體驗。音訊可經公網 URL、Base64 編碼或本地檔案路徑三種方式傳入;本地路徑方式僅 DashScope Python 和 Java SDK 支援。 輸入限制:公網 URL 或本地路徑傳入的音訊不超過 10 MB,Base64 編碼後字串不超過 10 MB;音訊時長不超過 30 秒,超出部分僅處理前 30 秒;支援 AMR、WAV(GSM_MS)、WAV(PCM)、3GP、3GPP、AAC、MP3 等格式;支援中文、英語、粵語、法語、義大利語、西班牙語、德語和日語。 選型提示:該模型無付費選項,不適合直接投產。若需生產級音訊理解或全模態能力,官方推薦遷移到千問 Omni,其支援付費並覆蓋國際版(新加坡)與中國大陸版(北京)地域。

能力對比

暫無經過核驗的逐項評分,暫不繪製能力雷達或綜合排名。

資料與來源

資料提供方
阿里云
站內資料更新
2026-11-06 04:36:05

站內更新時間不等同於模型發布日期。未提供測試集、日期和原始成績時,不展示官方或平台實測分數。

版本記錄

qwen-audio-turbo(稳定版)、qwen-audio-turbo-latest(最新版)目前錄入版本

歷史版本、上線與下線日期待核實。

接入與使用

請按官方文件確認 API 位址、模型標識、身分驗證、權限與收費規則。

開啟官方文件

平台實測

暫無已核驗的模型測試報告。模型能力標籤不代表已完成平台實測。
選型助手

让需求变成可修改的筛选条件

依据已录入参数生成条件,结果可查看和修改。帧率与性能需核对实测,不能仅凭算力数值保证。