ИИтак

← Назад

Модель · Qwen

Qwen-Omni Turbo Realtime

Устаревшая голосовая модель Qwen для живого разговора голосом и с камерой, понимает только китайский и английский

вышла 8 мая 2025

Характеристики

Вышла
8 мая 2025
КонтекстСколько текста модель учитывает за один запрос: вопрос, приложенные документы и её собственный ответ вместе. Токен — кусок слова; слово обычно занимает один–три токена
32 тыс. токенов
Длина ответаСколько токенов модель может выдать за один ответ, вместе со скрытыми рассуждениями, если они есть
до 2 тыс. токенов
Цена входаСколько стоит миллион токенов, отправленных модели: вопрос, документы, вся история переписки
$0,27 за миллион токенов
Цена ответаСколько стоит миллион токенов, написанных моделью, — включая скрытые рассуждения
$1,07 за миллион токенов
Понимает
текст, изображения, аудио
Отвечает
текст, аудио
РассужденияПеред ответом модель рассуждает про себя: медленнее и дороже, зато точнее на трудных задачах
нет
Вызов инструментовМодель сама просит программу выполнить действие — поиск, запуск кода, запрос к сервису — и продолжает с результатом. На этом держатся агенты
да
ВесаОткрытые — файлы модели можно скачать и запустить на своих серверах. Закрытые — доступ только через сервис лаборатории
закрытые
Знания до
апрель 2024
Идентификатор в API
qwen-omni-turbo-realtime

Что это за модель

Qwen-Omni Turbo Realtime — версия мультимодальной модели Qwen-Omni-Turbo для живого разговора. Мультимодальная значит, что она работает сразу с несколькими видами данных. Модель принимает поток звука и картинок, в том числе кадры с камеры, и сразу отвечает текстом и голосом. Ответ не ждёт конца реплики: модель начинает говорить, пока данные ещё идут.

Работают с ней через облачную платформу Alibaba Cloud Model Studio. Соединение держится постоянно, по протоколу WebSocket, и через него идут звук, кадры и ответы. Модель подходит для голосовых помощников, озвученных чат-ботов и приложений, которые должны отвечать на то, что видит камера. Она умеет вызывать внешние инструменты.

У модели заметные ограничения. Понимать речь и говорить она может только на китайском и английском, голосов на выбор четыре. Искать в интернете и включать режим рассуждений она не умеет. В обычном режиме линейка Qwen-Omni-Turbo принимает в одном запросе один файл, а звук или видео — не длиннее 40 секунд.

Alibaba больше не обновляет линейку Qwen-Omni-Turbo. Для живого голосового общения компания советует переходить на Qwen3.5-Omni. По её словам, новые модели умнее, умеют искать в интернете, лучше вызывают инструменты и лучше слушаются голосовых команд. Для анализа текста без голоса компания предлагает Qwen3.8-Omni-Flash.

Источники: Документация Qwen-Omni в Model Studio, Документация Qwen-Omni-Realtime

Другие модели семейства

Данные: models.dev (MIT).