qwen-audio-3.1-realtime-flash

更新时间:
复制 MD 格式

实时双工语音对话模型,支持文本和音频输入输出、工具调用、联网搜索及声音复刻。

推理服务供应商

阿里云百炼。

模型能力

能力项说明
输入模态文本、音频
输出模态文本、音频
Function Calling支持
联网搜索支持
声音复刻支持
接入协议WebSocket、WebRTC、AOQ
默认音色longanqian_v3.1
思考模式不支持 enable_thinking
交互模式server_vad、smart_turn、smart_turn_v2(推荐)、push-to-talk
说话人增强支持(smart_turn、smart_turn_v2 模式)

联网搜索通过 enable_search 开启,可与 Function Calling 同时启用。

上下文限制

参数上限(Token)
上下文长度262,144
最大输入长度245,760
最大输出长度16,384
音频历史上下文限制上限
最大轮次50
累计音频时长300 秒

价格

仅输出文本时,按文本输出单价计费;输出文本和音频时,仅对音频收取输出费用,伴随文本不另收输出费。

价格单位:元/百万 Token。

华北2(北京)

模型 ID文本输入音频输入文本输出音频输出
qwen-audio-3.1-realtime-flash1.5元6元4.5元12元

新加坡

模型 ID文本输入音频输入文本输出音频输出
qwen-audio-3.1-realtime-flash1.677元6.781元5.104元13.636元

限流

WebSocket 的 RPM 按连接请求次数统计,与模型响应次数无关;没有单独的并发连接数限制。

华北2(北京)

模型 IDRPMTPMWebSocket 并发连接数
qwen-audio-3.1-realtime-flash60100,000无单独限制

新加坡

模型 IDRPMTPMWebSocket 并发连接数
qwen-audio-3.1-realtime-flash60100,000无单独限制

调用方式