Analyse approfondie · Environ 7 min de lecture
Model Studio référence Qwen Audio 3.1 Realtime Flash à Pékin, avec des limites explicites de session et d’outils
L’entrée Alibaba du 27 octobre et la spécification complète distinguent les capacités vocales en temps réel des limites de contexte, de recherche, de facturation et de connexion.
- Publié ici
- Date de la source
- Source vérifiée
La table des mises à jour de Model Studio d’Alibaba Cloud ajoute qwen-audio-3.1-realtime-flash à la section Chine du Nord 2 (Pékin) le 27 octobre 2026. La spécification associée décrit un modèle de texte et d’audio en temps réel, en duplex intégral. Cela établit un référencement daté sur la plateforme, sans vérifier un lancement mondial ni un accès automatique pour tous les comptes Alibaba.
Écouter les actualités
Écoutez cet article ou poursuivez la lecture des actualités.
Préparation de la lecture…
Voix de l’appareil
La voix est traitée par votre navigateur ou appareil. AISubHub n’envoie pas le texte à une API audio. Les voix et la lecture écran verrouillé dépendent de l’appareil.
La reprise peut répéter une courte phrase.
En bref
- La table de Pékin indique le 27 octobre comme date de calendrier ; les heures de mise à jour documentaire n’établissent pas un instant précis de lancement mondial.
- La spécification cite WebSocket, WebRTC et AOQ, le clonage de voix, Function Calling et la recherche web, avec des restrictions sur les combinaisons de fonctions.
- Le contexte est de 262144 tokens, avec des plafonds distincts pour l’entrée, la sortie et l’historique audio.
- L’attribution régionale des prix et limites visibles n’a pas été vérifiée lors de cette lecture ; ce ne sont ni un devis pour un compte ni une garantie de service simultané illimité.
- Cet article interprète l’intégralité des textes et tableaux officiels ; aucun appel d’API, test de latence, contrôle d’éligibilité ou essai de clonage de voix n’a été réalisé.
Ce qu’établit l’entrée datée de Pékin
La nouvelle concerne l’apparition de l’identifiant du modèle dans la section de Pékin de la table des mises à jour de Model Studio. L’entrée du 27 octobre lui attribue l’interaction texte et audio en temps réel, l’appel d’outils, la recherche et le clonage de voix. Une page propre au modèle identifie Alibaba Cloud Model Studio comme fournisseur d’inférence. Ensemble, ces sources définissent une offre hébergée précise. Elles ne prouvent pas que tous les produits Qwen, abonnements grand public ou régions de déploiement aient reçu la même modification.
La table affiche une mise à jour documentaire à 22:05:53 le 27 octobre ; la page du modèle indique 21:00:05 le même jour. Aucun de ces horaires ne précise son fuseau. AISubHub conserve donc le 27 octobre avec une précision au jour et enregistre séparément la lecture effective. Aucun horaire de maintenance documentaire n’est transformé en instant de lancement, et le texte ne prétend pas à une sortie du produit le 28 octobre.
La conversation en duplex ne rend pas toutes les fonctions simultanées
La spécification accepte du texte et de l’audio en entrée et produit du texte et de l’audio en sortie. Elle liste WebSocket, WebRTC et AOQ comme protocoles d’accès, la voix par défaut longanqian_v3.1 et les modes server_vad, smart_turn et push-to-talk. L’amélioration du locuteur est spécifiquement associée à smart_turn. Ce sont les options documentées par le fournisseur ; nous n’avons ni réalisé de client ni évalué chaque mode dans une conversation bruyante ou interrompue.
Une restriction importe dans la conception d’un assistant : la recherche web s’active avec enable_search et ne peut pas être activée en même temps que Function Calling. Annoncer ces deux capacités ne revient donc pas à les promettre dans une même configuration. La page indique aussi qu’enable_thinking n’est pas pris en charge. Notre analyse recommande de définir le processus documenté nécessaire avant de choisir les options de session. Un produit ne peut présumer une combinaison sans restriction de recherche, d’actions externes et de raisonnement configurable séparément parce que ces termes figurent dans un catalogue plus large.
Le contexte en tokens et l’audio conservé ont des plafonds distincts
La page annonce un contexte maximal de 262144 tokens, une entrée maximale de 245760 tokens et une sortie maximale de 16384 tokens. Ces chiffres correspondent à des parties distinctes du budget documenté. Ils ne promettent pas de conserver une quantité arbitraire d’audio enregistré et ne garantissent pas, par mesure, une vitesse de réponse identique à tous les maximums. Le suffixe Flash du nom ne constitue pas un test comparatif de latence.
L’historique audio a ses propres limites : au maximum 50 tours et 300 secondes d’audio cumulées. Une application vocale doit donc considérer l’historique conversationnel conservé autant que le comptage des tokens. Notre interprétation pratique consiste à évaluer quelles informations doivent subsister au cours d’un échange long et comment l’application traite les frontières de l’historique. La source n’établit ni session audio illimitée, ni archive d’enregistrement illimitée, ni mécanisme précis de réduction de l’historique ; aucun de ces comportements n’a été testé ici.
Lire ensemble la règle de facturation et le dénominateur des connexions
La table de prix visible lors de cette lecture, dont la région sélectionnée n’a pas été établie, utilise des yuans par million de tokens : 1.5 CNY pour le texte en entrée, 6 CNY pour l’audio en entrée, 4.5 CNY pour le texte en sortie et 12 CNY pour l’audio en sortie. L’explication distingue les modes : la sortie uniquement textuelle suit le tarif de sortie texte ; une sortie combinant texte et audio facture l’audio sans frais de sortie supplémentaires pour le texte qui l’accompagne. Nous ne convertissons pas ces tarifs en prix par minute, car il faudrait une conversion établie entre audio et tokens ainsi que des hypothèses d’utilisation réelles.
Pékin et Singapour apparaissent comme libellés, mais les en-têtes et l’état de sélection visibles n’ont pas permis d’établir la région des prix ou limites affichés. Ce sont des valeurs citées de la documentation, pas un devis vérifié pour une région ou un compte. L’équivalence régionale, les taxes, l’éligibilité et une facture réelle n’ont pas été vérifiées. La table de limites visible indique 60 RPM et 100000 TPM. Point essentiel : les RPM WebSocket comptent les demandes de connexion, pas les réponses du modèle. L’absence d’une limite distincte de connexions simultanées WebSocket n’annule pas les limites de débit applicables et ne garantit pas un débit illimité. Les reconnexions et la demande en tokens restent donc des questions de conception, après vérification des conditions de la région visée.
Ce que les développeurs peuvent évaluer et ce qui reste non vérifié
Cet ensemble offre un candidat concret pour les assistants vocaux nécessitant des échanges en streaming et une prise en charge documentée des outils ou de la recherche. C’est une implication applicative, pas la preuve qu’un déploiement de service client, une couverture linguistique ou un objectif de qualité vocale particulier ait déjà été atteint. Une évaluation utile fixe d’abord région, compte, protocole et mode d’interaction, puis confronte les fonctions requises aux restrictions documentées et aux besoins de l’application.
Les preuves couvrent l’entrée datée complète et toute la spécification visible du modèle, notamment les tableaux de capacités, de contexte, de facturation et de limites. Le guide temps réel, les instructions d’intégration et la référence des événements client liés n’ont pas été consultés comme sources supplémentaires. Aucun appel d’API, test comparatif, paiement, contrôle des droits d’un compte ou démonstration de produit n’a été réalisé. Le premier instant de lancement mondial, l’équivalence entre régions et les performances de bout en bout restent en dehors de ce rapport.
Pourquoi cela compte
Ce référencement fournit aux développeurs un identifiant de modèle concret et des contraintes de déploiement à évaluer pour les applications vocales en temps réel ; les combinaisons de fonctions et les limites de session peuvent compter autant que la taille de contexte annoncée.
Limites et disponibilité
Il s’agit d’une analyse du référencement et de la documentation d’Alibaba, pas d’un test du produit. La date est une entrée du calendrier de la plateforme ; l’heure précise du lancement est inconnue, l’équivalence entre régions et l’éligibilité des comptes n’ont pas été établies, et les guides liés n’ont pas servi de preuves. Les prix et limites affichés n’ont pas été rattachés à une région sélectionnée confirmée et ne doivent pas être considérés comme universels.
Sources et preuves
Date de la source: · Source vérifiée:
Date de la source: · Source vérifiée:
Articles assistés par IA, vérifiés avec les sources primaires citées. Les affirmations des fournisseurs sont attribuées ; la présence ne vaut pas recommandation.