Qwen-Audio-3.1-Realtime-Flash

概要

Alibabaのリアルタイム双方向音声対話モデル。テキストと音声の入力・出力に対応し、音声アシスタントやリアルタイム対話アプリケーションに利用できる。公開日は2026年10月27日。(docs.qwencloud.com)

主な機能と制限

• Function Calling、ウェブ検索、音声クローンに対応。検索は enable_search で有効化し、Function Callingと併用できる。
• 接続プロトコルはWebSocket、WebRTC、AOQ。対話モードは server_vad、smart_turn、推奨の smart_turn_v2、push-to-talk。話者強調は smart_turn と smart_turn_v2 で利用できる。
• コンテキスト長は262,144トークン、最大入力は245,760トークン、最大出力は16,384トークン。音声履歴は最大50ターン、累計300秒。
• 思考モードの enable_thinking は非対応。北京・シンガポールの公表制限は60 RPM、100,000 TPM。WebSocketのRPMは接続リクエスト数であり、同時接続数に別途上限は設けられていない。(docs.qwencloud.com)

料金

以下は各公式サイトに掲載されたAPI料金。単位はすべて100万トークン当たり。調査日：2026年11月15日。

テキストのみの応答にはテキスト出力料金を適用。テキストと音声を同時に出力する場合、出力は音声のみ課金され、付随テキストへの別途出力課金はない。国内サイトでは北京に100万トークンの無料枠が掲載され、有効期間は百炼の開通日・モデル公開日・申請承認日のうち最も遅い日から90日間。リージョンやサイトが異なる料金を、同一プランの通貨換算として扱っていない。(docs.bailian.console.aliyun.com)

公式情報源

• QwenCloudモデル公開履歴
• Alibaba Cloud中国国内サイト：モデル情報・CNY料金
• Alibaba Cloud中国国内サイト：モデル料金・無料枠
• QwenCloud国際サイト：モデル情報・USD料金