AlibabaAudiomodellAktiv
Qwen3.8-Omni-Flash-Realtime
BeliebtheitPlatz 670 von 875
0von 100wie im Vormonat
Zusammenfassung
Qwen3.8-Omni-Flash-Realtime verbindet Live-Eingaben aus Text, Audio und Video mit Text- und Audioausgabe. Die Realtime-Dokumentation führt WebSocket, WebRTC und AOQ als Transporte auf; Funktionsaufrufe und MCP gehören zum dokumentierten Aktionspfad.
Die Variante hat einen 196.608-Token-Eingabekontext und bis zu 65.536 Ausgabe-Token. Die Tarife unterscheiden sich zwischen Beijing und Singapur. Bei Sprachausgabe werden Audio und der zugehörige Text berechnet. Ein separater neuer Gewichts-Checkpoint ist nicht veröffentlicht.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 71 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 6
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
SEED content stability, Chinese (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.74
- Bewertung
- 0.74
- Messgröße
- content-stability WER/CER
- Einheit
- %
- Benchmark-Version
- arXiv:2609.25611v1, Table 11
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Qwen3.8-Omni technical report
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Zero-Shot-Stimmklonen. Die Tabelle trennt Inhaltsstabilität, Stimmähnlichkeit und den gesamten Klonwert nach Teilgruppen.
- Einordnung
- Vom Anbieter berichtetes Ergebnis für Zero-Shot-Stimmklonen. Es handelt sich nicht um eine unabhängig reproduzierte Kohorte.
SEED content stability, English (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.89
- Bewertung
- 0.89
- Messgröße
- content-stability WER/CER
- Einheit
- %
- Benchmark-Version
- arXiv:2609.25611v1, Table 11
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Qwen3.8-Omni technical report
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Zero-Shot-Stimmklonen. Die Tabelle trennt Inhaltsstabilität, Stimmähnlichkeit und den gesamten Klonwert nach Teilgruppen.
- Einordnung
- Vom Anbieter berichtetes Ergebnis für Zero-Shot-Stimmklonen. Es handelt sich nicht um eine unabhängig reproduzierte Kohorte.
SEED content stability, hard (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 5.29
- Bewertung
- 5.29
- Messgröße
- content-stability WER/CER
- Einheit
- %
- Benchmark-Version
- arXiv:2609.25611v1, Table 11
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Qwen3.8-Omni technical report
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Zero-Shot-Stimmklonen. Die Tabelle trennt Inhaltsstabilität, Stimmähnlichkeit und den gesamten Klonwert nach Teilgruppen.
- Einordnung
- Vom Anbieter berichtetes Ergebnis für Zero-Shot-Stimmklonen. Es handelt sich nicht um eine unabhängig reproduzierte Kohorte.
SpeechSuperClue content stability, multilingual (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 3.34
- Bewertung
- 3.34
- Messgröße
- content-stability WER/CER
- Einheit
- %
- Benchmark-Version
- arXiv:2609.25611v1, Table 11
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Qwen3.8-Omni technical report
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Zero-Shot-Stimmklonen. Die Tabelle trennt Inhaltsstabilität, Stimmähnlichkeit und den gesamten Klonwert nach Teilgruppen.
- Einordnung
- Vom Anbieter berichtetes Ergebnis für Zero-Shot-Stimmklonen. Es handelt sich nicht um eine unabhängig reproduzierte Kohorte.
SpeechSuperClue content stability, cross-lingual (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 4
- Bewertung
- 4
- Messgröße
- content-stability WER/CER
- Einheit
- %
- Benchmark-Version
- arXiv:2609.25611v1, Table 11
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Qwen3.8-Omni technical report
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Zero-Shot-Stimmklonen. Die Tabelle trennt Inhaltsstabilität, Stimmähnlichkeit und den gesamten Klonwert nach Teilgruppen.
- Einordnung
- Vom Anbieter berichtetes Ergebnis für Zero-Shot-Stimmklonen. Es handelt sich nicht um eine unabhängig reproduzierte Kohorte.
SwanBench-Speech content stability, Chinese (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1.96
- Bewertung
- 1.96
- Messgröße
- content-stability WER/CER
- Einheit
- %
- Benchmark-Version
- arXiv:2609.25611v1, Table 11
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Qwen3.8-Omni technical report
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Zero-Shot-Stimmklonen. Die Tabelle trennt Inhaltsstabilität, Stimmähnlichkeit und den gesamten Klonwert nach Teilgruppen.
- Einordnung
- Vom Anbieter berichtetes Ergebnis für Zero-Shot-Stimmklonen. Es handelt sich nicht um eine unabhängig reproduzierte Kohorte.
SwanBench-Speech content stability, English (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 2.37
- Bewertung
- 2.37
- Messgröße
- content-stability WER/CER
- Einheit
- %
- Benchmark-Version
- arXiv:2609.25611v1, Table 11
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Qwen3.8-Omni technical report
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Zero-Shot-Stimmklonen. Die Tabelle trennt Inhaltsstabilität, Stimmähnlichkeit und den gesamten Klonwert nach Teilgruppen.
- Einordnung
- Vom Anbieter berichtetes Ergebnis für Zero-Shot-Stimmklonen. Es handelt sich nicht um eine unabhängig reproduzierte Kohorte.
LongSpeechGeneration content stability, Chinese (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1.74
- Bewertung
- 1.74
- Messgröße
- content-stability WER/CER
- Einheit
- %
- Benchmark-Version
- arXiv:2609.25611v1, Table 11
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Qwen3.8-Omni technical report
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Zero-Shot-Stimmklonen. Die Tabelle trennt Inhaltsstabilität, Stimmähnlichkeit und den gesamten Klonwert nach Teilgruppen.
- Einordnung
- Vom Anbieter berichtetes Ergebnis für Zero-Shot-Stimmklonen. Es handelt sich nicht um eine unabhängig reproduzierte Kohorte.
LongSpeechGeneration content stability, English (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1.59
- Bewertung
- 1.59
- Messgröße
- content-stability WER/CER
- Einheit
- %
- Benchmark-Version
- arXiv:2609.25611v1, Table 11
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Qwen3.8-Omni technical report
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Zero-Shot-Stimmklonen. Die Tabelle trennt Inhaltsstabilität, Stimmähnlichkeit und den gesamten Klonwert nach Teilgruppen.
- Einordnung
- Vom Anbieter berichtetes Ergebnis für Zero-Shot-Stimmklonen. Es handelt sich nicht um eine unabhängig reproduzierte Kohorte.
SEED Custom Voice content stability, Chinese (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.83
- Bewertung
- 0.83
- Messgröße
- content-stability WER/CER
- Einheit
- %
- Benchmark-Version
- arXiv:2609.25611v1, Table 12
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Qwen3.8-Omni technical report
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Custom-Voice-Evaluation. WER/CER werden niedriger bewertet, Ähnlichkeit, Genauigkeit und Erfolgsrate höher.
- Einordnung
- Vom Anbieter berichtetes Ergebnis für Custom Voice. Es handelt sich nicht um eine unabhängig reproduzierte Kohorte.
SEED Custom Voice content stability, English (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.93
- Bewertung
- 0.93
- Messgröße
- content-stability WER/CER
- Einheit
- %
- Benchmark-Version
- arXiv:2609.25611v1, Table 12
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Qwen3.8-Omni technical report
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Custom-Voice-Evaluation. WER/CER werden niedriger bewertet, Ähnlichkeit, Genauigkeit und Erfolgsrate höher.
- Einordnung
- Vom Anbieter berichtetes Ergebnis für Custom Voice. Es handelt sich nicht um eine unabhängig reproduzierte Kohorte.
SEED Custom Voice content stability, hard (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 5.22
- Bewertung
- 5.22
- Messgröße
- content-stability WER/CER
- Einheit
- %
- Benchmark-Version
- arXiv:2609.25611v1, Table 12
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Qwen3.8-Omni technical report
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Custom-Voice-Evaluation. WER/CER werden niedriger bewertet, Ähnlichkeit, Genauigkeit und Erfolgsrate höher.
- Einordnung
- Vom Anbieter berichtetes Ergebnis für Custom Voice. Es handelt sich nicht um eine unabhängig reproduzierte Kohorte.
Seite 1 von 6
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
0 bis 100, höher ist beliebter
20 von 83 Modellen
pyannote Community-1, pyannote: 73
Nemotron-3-Diarization, NVIDIA: 57
Gemini 3.5 Transcribe, Google: 52
Confucius4-R2T2, NetEase Youdao: 52
Granite Speech 5.0 470M TurboCTC, IBM: 52
Kokoro-82M, hexgrad: 51
Nova-3, Deepgram: 51
Fish Audio S2 Pro, Fish Audio: 51
NVIDIA Nemotron 3.5 Transcribe, NVIDIA: 50
Granite Speech 5.0 470M TurboCTC NC, IBM: 50
Orukeet, Oruk: 49
Lyria 3.5, Google: 47
Gemini 3.5 Live Translate, Google: 46
Phonon-2, Fermion Research: 44
Aura-2, Deepgram: 44
Gemini 3.1 Flash TTS, Google: 44
MiniMax-Music3, MiniMax: 41
Audio8-ASR-Infinite, Edge0 AI: 41
GPT-Realtime 2.1, OpenAI: 41
Qwen3.8-Omni-Flash-Realtime, Alibaba: 0
Qwen3.8-Omni-Flash-Realtime
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 5. November 2026
Qwen3.8-Omni-Flash-RealtimeAmazon Nova 2 SonicEleven Multilingual STS v2Eleven Music v2.5Eleven Text to Sound v2
Alle technischen Daten
Architektur
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Watermarking-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
API
Weitere Angaben
- Audiohistorie
- Bis zu 100 Audio-Turns oder 600 Sekunden; Video bis zu 50 Turns oder 240 Sekunden
- Quelle: Audiohistorie
Preise
- Preise China (Peking)
- Je 1 Mio. Token in CNY. Audioeingabe 6, Audioausgabe 12; Text-/Bild-/Videoeingabe 1,5, Textausgabe 4,5Quelle
- Preise Singapur
- Je 1 Mio. Token in CNY. Audioeingabe 6,781, Audioausgabe 13,636; Text-/Bild-/Videoeingabe 1,677, Textausgabe 5,104Quelle
- Abrechnung von Sprache
- Sprachausgabe wird als Audio und als zugehöriger Text berechnetQuelle
- Gratis-Kontingent
- 1 Mio. Token in China (Peking), 90 Tage gültig; gilt nicht automatisch für andere RegionenQuelle
Quellen und Datenstand
Alle 11 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.