模型定位
Qwen-Audio-3.1-Realtime-Plus 是阿里雲百煉的即時雙工語音對話模型,適合建立即時語音互動應用。官方將其列為語音到語音模型,無須分別呼叫語音辨識與語音合成模型。(alibabacloud.com)
能力與用途
- 支援文字及音訊輸入、文字及音訊輸出,可用於即時語音助理等互動場景。
- 支援函式呼叫、聯網搜尋及聲音複刻;沿用 3.0 Plus 的接入協定,保留既有音色並新增 8 個系統音色。
- 支援 WebSocket、WebRTC 和 AOQ 接入。(help.aliyun.cn)
限制
- 上下文視窗為 262,144 tokens;最大輸入長度為 245,760 tokens,最大輸出長度為 16,384 tokens。
- 聯網搜尋須透過
enable_search啟用,且不能與函式呼叫同時啟用。 - 官方模型頁列出北京及新加坡地域各為每分鐘 60 次請求、100,000 tokens;WebSocket 的請求次數按連線請求計算。(help.aliyun.cn)
發布日期
官方模型更新公告記載為 2026-09-20。(alibabacloud.com)
官方價格
以下均為此模型的標示單價,單位為每百萬 tokens;不同站點及部署地域的價格不應視為同一套餐的匯率換算。查詢日期:2026-11-16。(help.aliyun.com)
| 官方站點及部署地域 | 幣種 | 文字輸入 | 音訊輸入 | 文字輸出 | 音訊輸出 |
|---|---|---|---|---|---|
| 中國站:華北2(北京) | CNY | 5 | 40 | 40 | 150 |
| 中國站:新加坡、國際部署 | CNY | 5.833 | 46.667 | 46.667 | 175.002 |
| 國際站:新加坡、國際部署 | USD | 0.8 | 6.4 | 6.4 | 24 |
| 國際站:中國大陸部署 | USD | 0.707 | 5.653 | 5.653 | 21.2 |
僅輸出文字時按文字輸出計費;同時輸出文字和音訊時,僅收取音訊輸出費,伴隨文字不另收輸出費。多輪對話的歷史輸入及模型輸出文字會在後續輪次作為輸入計費。官方列出的音訊 token 換算為每秒 12.5 tokens,不足 1 秒按 1 秒計。(help.aliyun.com)
中國站北京及國際站新加坡分別列有 100 萬 tokens 免費額度;有效期為開通百煉、模型發布或申請通過三者中較晚日期起 90 天,適用條件以各站官方定價頁為準。(help.aliyun.com)