您的位置首页 >人工智能 >

阿里云最新 Qwen-Audio-3.1-ASR-Message 指南模型定位、核心特征、能力盘点、价格分析

阿里云 Qwen-Audio-3.1-ASR-Message(模型 ID:qwen-audio-3.1-asr-flash-message)是专门针对语音消息、输入法输入、企业 IM 短语音场景优化的生成式语音识别模型,主打短音频流式识别、多语种出海适配、噪声环境稳定识别,同时支持两级热词、上下文辅助识别、文本自动润色,在百炼平台按量计费,适合做聊天软件语音转文字、输入法语音输入、海外客服消息转写这类高频短语音业务。市面上很多通用 ASR 模型偏向长会议录音、大文件转写,对短语音、带环境噪音、东南亚多语种的识别效果一般;这个模型专门针对碎片化语音消息做了优化,重点打磨印尼语、日语、泰语、越南语、韩语等东亚、东南亚语种,还支持中文方言识别,能选择输出方言原文或者转成普通话。接入的时候可以走 WebSocket 实时流式接口、SDK 或者 AOQ 音频通道,上传音频后开启中间结果上屏,搭配 P0/P1 热词提升行业专有名词识别准确率,润色功能可以按需开关,避免自动修改专有名词。总的来说,它适合 IM、输入法这类短语音实时转写场景,长会议录音、大音频文件批量转写,优先选 Qwen-Audio 系列其他文件转写版本,不要用这款 Message 模型。

一、Qwen-Audio-3.1-ASR-Message 基础信息清单

项目详情
模型全称Qwen-Audio-3.1-ASR-Message
调用 IDqwen-audio-3.1-asr-flash-message
所属系列通义千问 Qwen-Audio
模型类型生成式语音识别 ASR
输入模态音频
输出模态文本
推荐场景语音消息、输入法语音输入、企业短语音对话
接入平台阿里云百炼 Model Studio(DashScope)
接入方式WebSocket、Python/Node.js SDK、AOQ 音频通道
限流 RPM1200 次 / 分钟

二、Qwen-Audio-3.1-ASR-Message 核心特征

  1. 短语音流式优先:支持流式上屏,边说话边出识别结果,适配消息类实时交互
  2. 双权重热词机制:P0/P1 两级热词,区分强制优先和普通增强词,适配行业词汇
  3. 多语种定向优化:中文、英文基础上重点优化东南亚语种,适合出海业务
  4. 噪声鲁棒性增强:远场、多人背景交谈、普通环境噪声下识别稳定性提升
  5. 方言可控输出:中文方言可以输出原方言文本,也可以自动转普通话
  6. 可选原生润色:开关可控,需要保留原始口语时可以关闭自动润色
  7. 支持上下文识别:带入前面对话文本辅助当前语音识别,减少歧义

三、Qwen-Audio-3.1-ASR-Message 能力盘点

✅ 擅长能力

  • 聊天软件语音消息、输入法一句话语音实时转写
  • 东南亚多国语言、中日韩双语混合识别
  • 带背景噪音、多人闲聊环境下的短音频识别
  • 行业专有名词识别,靠热词配置提升准确率
  • 方言识别,支持方言原文 / 普通话两种输出形式
  • 实时流式返回中间识别结果,适合 UI 上实时展示

⚠️ 不擅长、不支持

  • 长小时会议录音、大文件音频批量转写(更适合 filetrans 版本)
  • 不支持 Function Calling、联网搜索、模型微调、批量推理
  • 没有上下文缓存,不适合超长连续音频任务
  • 复杂专业术语、冷门小语种识别效果有限

四、Qwen-Audio-3.1-ASR-Message 价格分析

部署地域输入价格(元 / 百万 token)输出价格(元 / 百万 token)免费额度
华北 2(北京)64.5开通后 90 天内 100 万 Token 免费额度
新加坡(国际)6.7815.104无免费额度

说明:按 Token 按量计费,没有包月套餐;价格为原价,平台限时优惠活动以控制台实时信息为准

五、接入简单步骤

  1. 登录阿里云百炼平台,开通 DashScope 服务,获取 API Key
  2. 选择接入方式:WebSocket 实时流、SDK 或者 AOQ 音频通道
  3. 请求参数指定 model 为 qwen-audio-3.1-asr-flash-message,配置音频格式、采样率(推荐 16000)
  4. 按需配置热词、语种选择、润色开关、中间结果上屏
  5. 测试音频,验证噪声、方言、专业词汇识别效果
  6. 上线前注意 RPM 上限 1200,高并发业务做好限流和排队

【相关 FAQ】

问题 1:阿里云 Qwen-Audio-3.1-ASR-Message 的模型定位是什么,适合什么业务?

回答 1:阿里云 Qwen-Audio-3.1-ASR-Message 定位是面向语音消息、输入法短语音的生成式 ASR 模型,适合 IM 语音消息、输入法语音输入、海外客服短语音转写这类碎片化实时语音场景。

问题 2:阿里云 Qwen-Audio-3.1-ASR-Message 和 Qwen-Audio 其他 ASR 版本差别在哪?

回答 2:阿里云 Qwen-Audio-3.1-ASR-Message 主打短语音消息流式识别;streaming 版本偏向实时会议字幕,filetrans 版本专门做大音频文件批量转写,选型要区分场景。

问题 3:阿里云 Qwen-Audio-3.1-ASR-Message 的 P0/P1 热词是什么,怎么用?

回答 3:阿里云 Qwen-Audio-3.1-ASR-Message 支持 P0/P1 两级热词,P0 优先级更高,强制优先识别,P1 是普通增强热词,用来提升行业专有名词识别准确率。

问题 4:阿里云 Qwen-Audio-3.1-ASR-Message 支持方言识别吗?

回答 4:阿里云 Qwen-Audio-3.1-ASR-Message 支持中文方言识别,可以设置输出方言原文,也可以设置自动转换成普通话文本,按需切换。

问题 5:阿里云 Qwen-Audio-3.1-ASR-Message 怎么收费,有没有免费额度?

回答 5:阿里云 Qwen-Audio-3.1-ASR-Message 是按量 Token 计费,北京地域有 90 天有效期的 100 万 Token 免费额度,新加坡国际地域无免费额度。

【参考资料】

[2026-11-20](阿里云最新 Qwen-Audio-3.1-ASR-Message 指南:模型定位、核心特征、能力盘点、价格分析)阿里云开发者社区

[2026-11-19](Qwen-Audio-ASR-Message 实时语音识别 WebSocket API)阿里云帮助中心

[2026-11-06](qwen-audio-3.1-asr-flash-message 模型信息)阿里云帮助中心

[2026-11-06](qwen-audio-3.1-asr-flash-message Model Info)Alibaba Cloud 英文文档

【免责声明】

本文是阿里云 Qwen-Audio-3.1-ASR-Message 公开文档整理解读,模型单价、免费额度、RPM 限流、能力范围以阿里云百炼控制台和官方文档实时信息为准;识别准确率受音频信噪比、语种、方言、热词配置影响,不同业务实测效果存在差异;本文不构成商业采购、产品选型、技术落地的直接建议,正式上线前请自行完成压测与效果验证。

今日大家都在搜的词: