Qwen-Audio-3.1-ASR-Message(模型 ID:qwen-audio-3.1-asr-flash-message)是阿里云百炼推出,专门面向语音消息、输入法、企业短语音业务打造的生成式 ASR 模型,它主打短音频流式识别、多语种出海适配、噪声场景稳定识别,和同系列面向长音频、会议直播的 ASR 模型定位区分开,如果你要做 IM 语音转文字、输入法语音输入、东南亚出海客服语音识别,优先选这款;接入上支持 WebSocket、多端 SDK,调用流程就是先在百炼控制台拿到 API Key,选定模型 ID,推送流式音频帧,接收增量转写结果,识别结束后关闭任务释放连接,整体上手门槛不高,适合 APP 端语音消息实时转写场景落地。
一、模型定位
这款模型不是通用全场景音频转写模型,核心聚焦短语音消息、输入法语音输入、企业端短语音交互业务,优化方向是单句短音频识别准确率、弱噪 / 远场多人对话稳定性、东亚 + 东南亚多语种识别,适合聊天软件语音条、输入法一句话语音、海外客服短句语音识别;不适合几小时长录音批量转写、大型会议实时字幕,这类需求要选同系列其他 ASR 模型。
- 对标同系列其他 ASR 简单区分
| 模型名称 | 主打场景 |
|---|---|
| Qwen-Audio-3.1-ASR-Message | 语音消息、输入法短语音、出海短句识别 |
| Qwen-Audio-3.1-ASR-Flash-Streaming | 会议、直播实时字幕 |
| Qwen-Audio-3.1-ASR-Flash-Filetrans | 长音频离线批量转写 |
二、核心特征
- 流式增量上屏:边传音频边返回识别文本,不用等整段语音说完,贴合语音消息实时出字的体验
- 两级热词机制:支持 P0/P1 热词配置,行业专有名词、品牌词可以提前注入,提升专业词汇识别率
- 文本归一化 + 可选润色:自动做数字、时间格式规整,原生润色开关可以按需开启或关闭
- 强噪声鲁棒:针对背景杂音、多人同时说话、远场收音做优化,手机外放、嘈杂环境下稳定性更好
- 方言可控输出:中文方言识别支持两种模式,输出方言原文,或者直接转成普通话文本
- 语种灵活控制:支持自动检测语种,也可以手动指定目标识别语种,适配出海业务
三、能力盘点
✅ 支持能力清单
- 输入:音频(PCM、WAV 等,支持 8k/16k 采样率单声道)
- 输出:结构化文本,带分句、时间信息
- 多语种:中文、英文,重点优化印尼语、日语、泰语、菲律宾语、越南语、韩语、马来语
- 上下文识别:支持结合前面转写内容辅助当前句子识别
- 多端 SDK:Android、鸿蒙、WebSocket 服务端 API、Python SDK 都提供
- Function Calling、联网搜索、前缀续写、上下文缓存、模型在线体验入口
- 不适合超长音频一次性批量转写
❌ 不支持能力清单
四、价格分析
下面是华北 2(北京)地域官方标价,仅为原价,活动优惠以百炼控制台实时展示为准,新用户有免费额度福利
| 计费项 | 单价 | 备注 |
|---|---|---|
| 输入 Token | 6 元 / 百万 Token | 音频输入按 Token 计费 |
| 输出 Token | 4.5 元 / 百万 Token | 识别输出文本按 Token 计费 |
| 免费额度 | 100 万 Token | 开通百炼后 90 天有效期 |
- 限流规格:RPM=1200,每分钟最多支持 1200 次请求,高并发业务要提前评估配额
- 地域差异:新加坡国际地域价格更高,输入 6.781 元 / 百万 Token、输出 5.104 元 / 百万 Token
五、接入简要步骤
- 登录阿里云百炼 Model Studio 控制台,开通模型服务,获取 DASHSCOPE_API_KEY
- 选择接入方式:WebSocket 服务端、Android SDK、鸿蒙 SDK、Python SDK
- 请求参数配置:填写模型 ID qwen-audio-3.1-asr-flash-message,设置音频格式、采样率、热词、润色开关、语种模式
- 持续推送二进制音频流,监听 result-generated 事件拿到流式识别结果
- 语音发送完毕,下发 finish-task 指令,接收最终结果,收到 task-finished 后关闭连接
【相关 FAQ】
问题 1:Qwen-Audio-3.1-ASR-Message 适合用来做直播实时字幕吗?
回答 1:Qwen-Audio-3.1-ASR-Message 主打语音消息和输入法短语音识别,不推荐用来做直播实时字幕,直播字幕低延迟场景优先选用 Qwen-Audio-3.1-ASR-Flash-Streaming 模型。
问题 2:调用 Qwen-Audio-3.1-ASR-Message 的时候,热词功能怎么生效?
回答 2:Qwen-Audio-3.1-ASR-Message 支持 P0/P1 两级热词,在调用接口参数里传入热词列表,权重等级越高优先级越强,能提升行业专有名词识别正确率。
问题 3:Qwen-Audio-3.1-ASR-Message 支持粤语、闽南语这类方言识别吗?
回答 3:Qwen-Audio-3.1-ASR-Message 支持中文方言识别,可以选择输出方言原文,也可以配置参数直接转换成普通话文本。
问题 4:Qwen-Audio-3.1-ASR-Message 的免费额度是永久有效的吗?
回答 4:Qwen-Audio-3.1-ASR-Message 的 100 万 Token 免费额度不是永久有效,从开通百炼或者模型申请通过起算,有效期 90 天。
【参考资料】
[2026-11-20](阿里云最新 Qwen-Audio-3.1-ASR 科普:模型定位、功能特征、综合能力、应用场景、价格拆解)阿里云开发者社区
[2026-11-19](Qwen-Audio-ASR-Message 实时语音识别 HarmonyOS SDK)阿里云帮助中心
[2026-11-16](Qwen-Audio-ASR-Message 服务端事件)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
【免责声明】
本文内容仅基于阿里云公开文档整理,Qwen-Audio-3.1-ASR-Message 的价格、配额、能力、优惠活动随时可能调整,所有计费规则、模型能力以阿里云百炼 Model Studio 控制台和官方最新文档为准;本文不构成技术选型、商业采购建议,上线前请自行完成功能测试、压测与合规核验。
本文来自作者[流波锚点]投稿,不代表环球科技潮立场,如若转载,请注明出处:https://www.zennew.com/rgzn/202611/3902.html
评论列表(4条)
我是环球科技潮的签约作者“流波锚点”!
希望本篇文章《阿里云 Qwen-Audio-3.1-ASR-Message 指南模型定位、核心特征、能力盘点、价格分析》能对你有所帮助!
本站[环球科技潮]内容主要涵盖:科技,科技新闻,黑科技
本文概览:Qwen-Audio-3.1-ASR-Message(模型 ID:qwen-audio-3.1-asr-flash-message)是阿里云百炼推出,专门面向语音消息、输入法、企业短语音业务打造的生成式 ASR 模型,它主打短音频流式识别、多语种出海适配、噪声场景稳定识别,和同系列面向长音频、会议直播的 ASR 模型定位区分开,如果你要做 IM 语音转文字、输入法语音输入、东南亚出海客服语音识别,优先选这款;接入上支持 WebSocket、多端 SDK,调用流程就是先在百炼控制台拿到 API Key,选定模型 ID,推送流式音频帧,接收增量转写结果,识别结束后关闭任务释放连接,整体上手门槛不高,适合 APP 端语音消息实时转写场景落地。