← すべてのモデル

Qwen-Audio-3.1-ASR-Flash-Streaming

公開日 提供元 Alibabaqwen-audio-3.1-asr-flash-streaming

概要

Alibaba Cloud Model Studioで提供される、エンドツーエンドのリアルタイム音声認識モデル。音声を入力し、ストリーミングで文字起こしテキストを出力する。リアルタイム会議、ライブ字幕、音声による対話などに適している。(alibabacloud.com)

能力

  • 日本語、英語、中国語の複数の方言を含む多言語の音声認識に対応し、中国語と英語の混在にも対応する。
  • ホットワードや文脈による認識精度の向上、句読点の予測、テキストの正規化に対応する。騒音を含む複雑な音響環境にも対応する設計で、複数の方言についてASR・音声翻訳の出力を制御できる。
  • WebSocketによるリアルタイム接続に対応する。(help.aliyun.cn)

制限

Function Calling、構造化出力、Web検索、プレフィックス継続、コンテキストキャッシュ、バッチ推論、モデルのファインチューニングには対応しない。話者分離と感情認識にも対応しない。最大入力・出力長とコンテキスト長はモデル詳細ページに数値が記載されていない。(help.aliyun.com)

料金

入力と出力のトークンを別々に課金する。以下は当該モデルの通常料金であり、地域・契約先によって適用される価格が異なる。国内サイトの人民元価格と国際サイトの米ドル価格は、同一プランの換算値として扱わない。

公式サイト・適用地域 通貨 入力、100万トークン当たり 出力、100万トークン当たり
中国国内サイト:華北2(北京) CNY 6元 4.5元
中国国内サイト:シンガポール、国際デプロイ CNY 6.781元 5.104元
国際サイト:シンガポール、国際デプロイ USD 0.93ドル 0.70ドル
国際サイト:中国・北京 USD 0.848ドル 0.636ドル

国際サイトではシンガポールに限り100万トークンの無料枠を掲載している。有効期間はModel Studioの有効化日、モデル公開日、申請承認日のうち最も遅い日から90日間。料金の確認日:2026年11月16日。(help.aliyun.com)

公開日と公式情報