模型定位
面向语音消息、语音输入法和企业业务场景的生成式自动语音识别模型,由阿里云百炼提供推理服务。输入为音频,输出为文本。(alibabacloud.com)
能力与用途
- 支持中文、英文及多语言识别,重点优化印尼语、日语、泰语、菲律宾语、越南语、韩语和马来语;可自动识别语言或指定目标语种。
- 支持流式上屏、P0/P1 热词、文本归一化、结合前文转写和业务上下文识别,以及可开关的原生文本润色。
- 中文方言可保留口语原文或转换为普通话文本;针对多人声、背景对话、远场音频和环境噪声增强了识别稳定性。
- 可用于短语音消息、语音输入及企业业务中的语音转写。默认返回句子最终结果,可单独启用中间结果和文本润色。(alibabacloud.com)
限制与接入
- 实时音频须为单声道、16 kHz;支持 PCM、WAV、MP3、Opus、Speex、AAC 和 AMR 格式。可通过 WebSocket 或 AOQ 接入。(docs.qwencloud.com)
- 国内模型页列明支持结构化输出,但不支持 Function Calling、联网搜索、前缀续写、上下文缓存、批量推理或模型调优。(help.aliyun.com)
- 国内模型页未列出具体上下文、最大输入或最大输出长度;国际繁体中文模型页则列出上下文 8,192 Token、最大输入 7,168 Token、最大输出 1,024 Token。两处信息存在差异,实际限制应以所用地区和接口的当前文档为准。(help.aliyun.com)
- 国内模型页列出的北京和新加坡地域限流均为每分钟 1,200 次请求;实际配额以账户配置为准。(help.aliyun.com)
发布日期
2026 年 9 月 21 日。阿里云国际站模型更新公告在该日期下列出了本模型。(alibabacloud.com)
官方价格
本模型按输入和输出 Token 分别计费;以下均为各官方站点公布的原价,每项单位均为每百万 Token,不包含限时优惠。不同站点和地域的报价不能视为同一套餐的汇率换算。
| 官方站点及适用地域 | 输入价格 | 输出价格 |
|---|---|---|
| 阿里云国内站,华北 2(北京) | CNY 6 | CNY 4.5 |
| 阿里云国内站,新加坡,国际部署 | CNY 6.781 | CNY 5.104 |
| 阿里云国际站,新加坡,国际部署 | USD 0.93 | USD 0.70 |
| 阿里云国际站,中国(北京) | USD 0.848 | USD 0.636 |
国内站定价来源:阿里云国内模型信息;查询日期:2026 年 11 月 16 日。(help.aliyun.com)
国际站定价来源:Alibaba Cloud Model Studio 模型定价;查询日期:2026 年 11 月 16 日。(alibabacloud.com)