模型市场

Qwen-Audio-3.1-ASR

复制成功！
加入对比

概述

Qwen-Audio-3.1-ASR-Flash-Streaming端到端实时语音识别大模型，面向实时会议、直播字幕与智能交互等场景，具备低延迟、高精度的流式语音转写能力。模型支持多语种与多地区中文方言识别、中英文自由切换、热词及上下文增强、标点预测与文本规范化，并具备较强的噪声鲁棒性，可适应复杂声学环境。同时该版本支持多种方言 ASR/AST 可控输出。

输入

音频

输出

文本

功能

前缀补全

调用通义千问 API 时启用 Partial Mode，可让模型严格接续您提供的前缀文本进行生成。查看文档

函数调用

通过函数调用将大模型与外部工具和系统连接起来。查看文档

缓存

Context Cache 会缓存长上下文请求的公共前缀，减少重复计算、提升响应速度并降低成本。查看文档

结构化输出

结构化输出可确保模型返回符合预期格式的 JSON 字符串。查看文档

批量任务

异步批量处理请求，降低调用成本。查看文档

联网搜索

启用联网搜索后，模型可基于实时检索的数据进行回答。查看文档

微调

基于样本数据训练模型，使其更适配特定任务。查看文档

定价

  • 输入
    ¥6/M tokens
  • 输出
    ¥4.5/M tokens

速率限制

  • RPM每分钟请求数
    1K

API 参考

调用API
复制成功！
123456789101112131415161718192021222324252627
from http import HTTPStatus
import dashscope
from dashscope.audio.asr import Recognition
import os


dashscope.api_key = os.environ.get('DASHSCOPE_API_KEY')
dashscope.base_websocket_api_url='wss://maas.qianwenaiapi.com/api-ws/v1/inference'

recognition = Recognition(model='qwen-audio-3.1-asr-flash-streaming',
                          format='wav',
                          sample_rate=16000,
                          callback=None)
result = recognition.call('{YOUR_AUDIO_FILE}')
if result.status_code == HTTPStatus.OK:
    print('Recognition result: ')
    print(result.get_sentence())
else:
    print('Error: ', result.message)
    
print(
    '[Metric] requestId: {}, first package delay ms: {}, last package delay ms: {}'
    .format(
        recognition.get_last_request_id(),
        recognition.get_first_package_delay(),
        recognition.get_last_package_delay(),
    ))