Qwen3-LiveTranslate-Flash

复制成功!
加入对比
实时语音识别

概述

实时语音识别

Qwen3-LiveTranslate-Flash,一款高精度、高响应、高鲁棒性的多语言实时音视频同传大模型。依托Qwen3-Omni强大的基座能力、海量多模态数据、跨语言跨模态对齐和视觉增强等技术,Qwen3-LiveTranslate-Flash 实现了离线和实时两种音视频翻译能力,能听懂19种语言,会说10种语言以及8种中文方言。此版本为2025年12月01日的快照版本。

输入

音频视频

输出

文本音频

功能

前缀补全

您可在调用通义千问 API 时启用 Partial Mode,确保模型严格基于您的起始文本进行生成。查看文档

函数调用

您可以使用 函数调用 功能,通过引入外部工具,使得大模型可以与外部世界进行交互。查看文档

缓存

Context Cache 技术会缓存长上下文请求的公共前缀,减少推理时的重复计算,提升响应速度同时降低您的使用成本。查看文档

结构化输出

开启结构化输出功能可以确保大模型输出标准格式的 JSON 字符串。查看文档

批量任务

联网搜索

启用联网检索功能后,模型将基于实时检索数据进行回复。查看文档

微调

定价

  • 输入:音频
    ¥10/M tokens
  • 输入:图片
    ¥4/M tokens
  • 输出:文本
    ¥10/M tokens
  • 输出:音频
    ¥40/M tokens

速率限制与上下文

  • 最大输入
    49.15K
  • 最大输出
    4.09K
  • RPM每分钟请求数
    100
  • TPM每分钟 Token 数
    100K
  • 上下文
    53.24K