能力與用途
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。
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
- 官方說明
- 核對官方資料 ↗
- 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
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