qwen-omni-turbo-realtime
qwen-omni-turbo-realtime
阿里云 · 更新于 2025-05-08
Qwen-Omni-Turbo-Realtime 是通义千问推出的实时音视频聊天模型，能同时理解流式音频与图像输入（如视频流连续图像帧），并实时输出高质量文本与音频，适用于实时音视频交互场景。
核心参数
| 厂商 | 阿里云 |
|---|---|
| 分类 | 多模态 |
| 更新时间 | 2025-05-08 |
| 标签 | 全模态 |
模型定价
输入
1.6 元/百万 tokens
输出
6.4 元/百万 tokens
模型能力
| 输入类型 | 文本+图像+视频+音频 |
|---|---|
| 输出类型 | 文本+音频 |
| Function Call | 否 |
| 模型精调 | 否 |
| 结构化输出 | 否 |
模型参数
| 上下文窗口 | 32K |
|---|---|
| 模型更新时间 | 2025-05-08 |
| 最大输入 Token | 30K |
| 最大生成 Token | 2K |
| TPM | 100K |
| 典型场景 | 混合思考 |