Alibaba CloudAudiomodellNur API
Qwen Audio 3.1 Realtime Flash
Zusammenfassung
Qwen Audio 3.1 Realtime Flash ist Alibabas API-Modell für Duplex-Sprachdialoge in Echtzeit. Es nimmt Sprache und Text entgegen und kann Sprache sowie Text ausgeben. WebSocket, WebRTC und AOQ sind dokumentierte Transportwege. Das Modell unterstützt außerdem Funktionsaufrufe, Websuche, Stimmenklonen und mehrere Modi für Sprecherwechsel.
Die Model-Studio-Dokumentation nennt 262.144 Kontexttoken, höchstens 50 Audioturns und insgesamt bis zu 300 Sekunden Audio im gespeicherten Verlauf. Der Qwen-Audio-3.1-Realtime-Forschungsbericht veröffentlicht zahlreiche Bewertungen für ein System namens Qwen-Audio-3.1-Realtime, nennt dabei aber nicht die Flash-API-Variante. Diese Zahlen sind deshalb hier nicht als Flash-Ergebnisse zugeordnet.
Alle technischen Daten
Architektur
Ein- und Ausgabe
- Ausgabemodalitäten
- Audio und Text; Audioausgabe kann eine begleitende Textausgabe enthalten
- Quelle: Ausgabemodalitäten
Lizenz und Zugang
API
Weitere Angaben
- Werkzeuge
- Funktionsaufrufe und Websuche werden unterstützt und können laut aktueller Dokumentation gemeinsam aktiviert werden
- Quelle: Werkzeuge
- Kontextgrenzen
- 262.144 Token Kontext, 245.760 Eingabetoken, 16.384 Ausgabetoken, maximal 50 Audioturns und insgesamt 300 Sekunden Audio im Verlauf
- Quelle: Kontextgrenzen
Preise
- API-Preis Singapur
- Je 1 Mio. Token: Texteingabe 0,23 USD, Audioeingabe 0,93 USD, Textausgabe 0,70 USD, Audioausgabe 1,87 USD. Bei gemeinsamer Audio- und Textausgabe wird nur Audioausgabe berechnet.Quelle
- API-Preis Peking
- Je 1 Mio. Token: Texteingabe 0,212 USD, Audioeingabe 0,848 USD, Textausgabe 0,636 USD, Audioausgabe 1,696 USD. Bei gemeinsamer Audio- und Textausgabe wird nur Audioausgabe berechnet.Quelle
Quellen und Datenstand
| Art | Nachweis und Datenstand |
|---|---|
| Recherchestand | Recherchestand 29. Oktober 2026. 59 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Ungeklärt | Benchmarks für die genaue Flash-API-Variante Hinweis Die geprüfte API-Dokumentation veröffentlicht keine Messwerte für genau diese Flash-Variante. Der Forschungsbericht nennt keine eindeutige Zuordnung seiner getesteten Version zur Flash-API. Daher sind derzeit keine Benchmarks sicher diesem Modell zugeordnet. |
| In den geprüften Quellen nicht gefunden | Vals-Zeilen in erfassten Payloads Hinweis Neun vollständige Vals-Payloads vom 28. Oktober wurden geprüft; keine exakte Modell-ID oder eindeutige Modellbezeichnung. Gilt nur für diese gespeicherten Benchmarks. |
| Ungeklärt | Nicht erfasste Arena Code-/Speech-Ranglisten Hinweis Erfasst wurden Text, Agent einschließlich Code/Chat/Work sowie zwölf WebDev-Ansichten. Eine separate allgemeine Code- und eine Arena-Speech-Rangliste wurden nicht als vollständige Tabelle gesichert. |
| Ungeklärt | Artificial Analysis Katalogabgleich Hinweis Der vollständige aktuelle AA-Modell- und Benchmarkkatalog wurde für dieses Profil in diesem Sidecar nicht erneut abgeglichen. Dieser Sidecar behauptet keinen AA-Nullbefund; native AA-Importe bleiben maßgeblich. |
| In den geprüften Quellen nicht gefunden | Exakte Modellzeile bei VoiceArena STT Hinweis Die gespeicherten VoiceArena-Spracherkennungsergebnisse enthalten diese exakte Modellidentität nicht. Das gilt nur für diese Capture und schließt künftige Zeilen oder andere Speech-Evaluatoren nicht aus. |
| Weitere Quelle | Alibaba Cloud Qwen Audio 3.1 Realtime Flash documentation (abgerufen 29. Oktober 2026) · Alibaba Cloud Qwen Audio 3.1 Realtime Flash documentation · Redaktionelle Beschreibung geprüft am 29. Oktober 2026 |
| Weitere Quelle | Qwen-Audio-3.1-Realtime paper, not mapped to Flash (abgerufen 29. Oktober 2026) · Qwen-Audio-3.1-Realtime research paper · Redaktionelle Beschreibung geprüft am 29. Oktober 2026 |
| Weitere Quelle | Modellmetadaten (abgerufen 29. Oktober 2026)12 |