概要
短い音声の効率的な認識を目的とした音声認識モデル。音声を入力し、テキストを出力する。多言語および中国各地の方言に対応し、中国古典詩の韻律や文語表現にも最適化されている。高品質な多言語・文化コンテンツの文字起こしに利用できる。(alibabacloud.com)
主な機能
- 文脈による認識補強、句読点予測、テキスト正規化。
- 複数の方言についてASR/AST出力を制御可能。
- 文字起こし結果の推敲と、複数話者の会話における話者別文字起こし。(alibabacloud.com)
制限
- 1リクエストにつき音声1件、最大5分・2 GB。より長い音声には別モデルのFiletransが案内されている。(alibabacloud.com)
- 話者分離にはモノラル音声が必要。有効時は
keep_dialectとlanguage_hintsが効かない。(alibabacloud.com) - 公式モデル情報では、Function Calling、構造化出力、コンテキストキャッシュ、バッチ推論、ファインチューニングは非対応。(alibabacloud.com)
発表日
2026年9月21日。公式のモデル更新一覧で同日付の項目として掲載されている。(alibabacloud.com)
料金
入力と出力をそれぞれトークン数で課金する。以下は当該モデルの通常API料金であり、地域・プラットフォームごとの料金を為替換算したものではない。確認日:2026年11月16日。
- 中国国内版 Alibaba Cloud Model Studio、北京:入力 0.8 CNY/100万トークン、出力 2.7 CNY/100万トークン。100万トークンの無料枠があり、有効期間はサービス開通・モデル公開・申請承認のうち最も遅い日から90日。(help.aliyun.com)
- 中国国内版、シンガポールの国際デプロイ:入力 1.094 CNY/100万トークン、出力 3.427 CNY/100万トークン。国内版の料金表では北京以外に無料枠はない。(help.aliyun.com)
- Alibaba Cloud国際版、シンガポールの国際デプロイ:入力 0.15 USD/100万トークン、出力 0.47 USD/100万トークン。(alibabacloud.com)
- Alibaba Cloud国際版、北京:入力 0.113 USD/100万トークン、出力 0.382 USD/100万トークン。(alibabacloud.com)