เกิดอะไรขึ้น
- เอกสาร Alibaba Cloud Model Studio ฉบับวันที่ 20 ก.ย. 2026 ประกาศเปิดใช้โมเดล qwen-audio-3.1-realtime-plus ชื่อสินค้า Qwen-Audio 3.1 Realtime Plus
- เป็นโมเดลคุยด้วยเสียงแบบฟูลดูเพล็กซ์ พูดง่าย ๆ คือพูดสด ๆ กับมันได้เลย ไม่ต้องผลัดกันฟัง
- ส่งเสียงเข้าไปหนึ่งที ได้กลับมาทั้งเสียงพูดกับข้อความ
- ใช้ได้สองภูมิภาค คือ China (Beijing) กับ Singapore
ของใหม่ในรุ่น 3.1
- หน้าต่างบริบทขยายเป็น 262,144 โทเคน โทเคนคือหน่วยนับคำที่โมเดลอ่าน รุ่น 3.0 Plus ทำได้แค่ 40,960 ตามโมเดลการ์ด
- มีเสียงระบบใหม่ 8 เสียง เสียงเริ่มต้นชื่อ longanqian_v3.1 ถ้าชอบเสียงชุดเดิมของ 3.0 ก็ยังเรียกมาใช้ได้
- โคลนเสียงให้เป็นเสียงที่เราต้องการได้ด้วย
- เรียกเครื่องมือภายนอกผ่าน Function Calling ได้ ค้นเว็บก็ได้ แต่สองอย่างนี้เปิดพร้อมกันไม่ได้
- รองรับ 11 ภาษา อังกฤษ จีน เยอรมัน สเปน ฝรั่งเศส อินโดนีเซีย อิตาลี ญี่ปุ่น เกาหลี โปรตุเกส รัสเซีย บวกสำเนียงจีนหลายแบบ
ราคาและขีดจำกัด
- โซนปักกิ่งคิดต่อล้านโทเคนเป็นหยวน ข้อความเข้า 5 เสียงเข้า 40 ข้อความออก 40 เสียงออก 150
- โซนสิงคโปร์แพงกว่าเล็กน้อย อยู่ที่ 5.995 / 47.963 / 47.963 / 179.861 ตามลำดับเดียวกัน
- เซสชันหนึ่งคุยด้วยเสียงได้สูงสุด 50 เทิร์น เทิร์นคือรอบคุยหนึ่งรอบ หรือเสียงสะสม 300 วินาที ตามคู่มือ ค่าเริ่มต้นคือ 20 เทิร์น ปรับเพิ่มได้
- อัตราส่งได้ 60 คำขอต่อนาที กับโทเคนรวม 100,000 ต่อนาที ตามที่เอกสารระบุ
ย้ายจาก 3.0 ยังไง
- เปลี่ยน model id เป็นรุ่นใหม่ แล้วเลือกเสียงให้ตรงกับรุ่น
- โปรโตคอล WebSocket ใช้แบบเดิม ไม่ต้องเขียนการเชื่อมต่อใหม่
อย่าเข้าใจผิด
- รุ่นนี้ไม่ใช่ Qwen3.8-LiveTranslate-Flash-Realtime อันนั้นเป็นโมเดลแปลเสียงสด 60 ภาษา คนละตระกูลกัน
- ข้อมูลชุดนี้มาจากเอกสารทางการของ Alibaba Cloud Model Studio ไม่ใช่ Data Studios หรือสื่อบุคคลที่สาม
สรุป
จุดเด่นของ 3.1 คือบริบทยาวขึ้นหลายเท่า บวกเสียงใหม่แปดเสียง ใครใช้ 3.0 อยู่แล้วย้ายไม่ยาก แค่เปลี่ยน model id กับเลือกเสียงให้ตรงก็จบ
แหล่ง: Alibaba Cloud Model Studio · 20 ก.ย. 2026