模型定位
面向实时音视频交互的全模态模型,可在接收流式音视频时进行交互,并输出文本和音频。适用于实时语音助手、客服、视觉问答等场景。(alibabacloud.com)
能力与接入
- 输入文本、流式音频和视频连续图像帧;输出文本和音频。
- 支持自定义工具调用、远程 MCP 工具和视频聚合。
- 支持 WebSocket、WebRTC 和 AOQ。WebSocket 接入支持 1、2、4 声道,多通道输入使用 16 kHz PCM;须使用绑定业务空间的 WebSocket 地址。
- 支持北京和新加坡地域,须使用对应地域的 API Key。(alibabacloud.com)
限制
全部输入上限为 196,608 Token,最大输出为 65,536 Token。音频历史最多 100 轮、累计 600 秒;视频历史最多 50 轮、累计 240 秒。超出历史轮次或媒体累计时长限制时,较早历史会被丢弃;媒体累计时长不等于会话总时长。北京和新加坡的限流均为 60 RPM、2,000,000 TPM。(alibabacloud.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列出本模型。(alibabacloud.com)
官方价格
以下均为该模型的按量价格,单位为每百万 Token;查询日期均为 2026 年 11 月 16 日。国内站与国际站价格分别适用于各自平台和地域,不应视为可直接换算的同一套餐。
| 官方平台及地域 | 币种 | 文本/图片/视频输入 | 音频输入 | 文本输出 | 音频输出 |
|---|---|---|---|---|---|
| 阿里云百炼国内站,华北2(北京) | CNY | 1.5 | 6 | 4.5 | 12 |
| 阿里云百炼国内站,新加坡 | CNY | 1.677 | 6.781 | 5.104 | 13.636 |
| Alibaba Cloud 国际站,北京 | USD | 0.212 | 0.848 | 0.636 | 1.696 |
| Alibaba Cloud 国际站,新加坡 | USD | 0.23 | 0.93 | 0.7 | 1.87 |
输出语音时,音频及对应文本分别按各自输出单价计费。国内站的 100 万 Token 免费额度仅适用于北京地域;国际站该免费额度仅适用于新加坡地域。有效期为开通服务、模型发布或申请通过之日中较晚者起 90 天。具体资格及计费以对应平台规则为准。(help.aliyun.com)