模型定位
Qwen-Audio-3.1-ASR-Flash 是面向短音频的非实时语音识别模型,输入音频、输出文本,适用于多语言语音和文化内容转写。官方发布公告将其列于 2026 年 9 月 21 日。(alibabacloud.com)
能力与用途
- 支持多语言及多个地区的中文方言识别,并针对中文古诗词的韵律、节奏和文言表达进行优化。
- 支持上下文增强、标点预测、文本规范化、转写润色,以及多人对话的说话人区分;支持多种方言的可控识别或转换输出。
- 可用于短录音转写、多语言内容整理及短时多人对话记录。(alibabacloud.com)
限制
- 每次请求提交一个音频,支持 URL 或 Base64 Data URI;文件不超过 2 GB、时长不超过 5 分钟。长音频可考虑使用独立的
qwen-audio-3.1-asr-flash-filetrans型号。 - 说话人区分要求单声道音频;开启后,
keep_dialect和language_hints参数不生效。 - 这是非实时识别型号;实时流式识别使用独立的
qwen-audio-3.1-asr-flash-streaming型号。(alibabacloud.com)
官方价格
以下为该模型按输入和输出 Token 分别计费的公开单价,查询日期均为 2026 年 11 月 16 日。不同站点及地域的报价适用条件不同,不应视为可直接换算的同一套餐。
| 官方平台及地域 | 输入 | 输出 | 条件 |
|---|---|---|---|
| 阿里云国内站,华北 2(北京) | CNY 0.8 / 百万 Token | CNY 2.7 / 百万 Token | 官方列有 100 万 Token 免费额度,仅适用于北京地域 |
| 阿里云国内站,新加坡 | CNY 1.094 / 百万 Token | CNY 3.427 / 百万 Token | 国际服务部署范围;无上述北京地域免费额度 |
| Alibaba Cloud 国际站,新加坡 | USD 0.15 / 百万 Token | USD 0.47 / 百万 Token | 国际服务部署范围;官方列有 100 万 Token 免费额度 |
| Alibaba Cloud 国际站,中国(北京) | USD 0.113 / 百万 Token | USD 0.382 / 百万 Token | 国际站北京地域报价;无上述新加坡地域免费额度 |
所列免费额度的有效期为开通百炼、模型发布或申请通过之日中较晚者起 90 天。价格来源:阿里云国内站模型定价;Alibaba Cloud 国际站模型定价。(help.aliyun.com)