Qwen-Audio语音识别按音频时长计费：一、按秒向下取整；二、8kHz统一单声道计费，16kHz按声道数×时长；三、实时双向推流分别计时累加；四、仅接收成功后才计费；五、极速版计全程时长，闲时版仅计VAD检测有效人声时长。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您使用Qwen-Audio进行语音识别，发现费用与预期不符，则可能是由于未充分理解其按音频时长计费的具体规则。以下是明确适用于Qwen-Audio语音识别服务的计费细则说明：
一、基础计费单位：按秒向下取整
Qwen-Audio对每段上传或接入的语音流，以实际音频时长为唯一计量依据。计费系统不按文件大小、采样率或声道数直接折算，而是提取音频原始时长并执行向下取整操作。
1、若上传一段22.8秒的MP3录音，系统记录为22秒；
2、若实时语音流持续47.9秒后结束，系统记录为47秒；
3、任何不足1秒的片段（如0.3秒静音头或尾）均不计入计费时长。
二、多声道音频差异化计费
声道配置直接影响最终计费结果，系统根据音频采样率自动匹配计费模式，不依赖用户手动标注声道信息。
1、对于采样率为8kHz的音频，无论单声道或双声道，统一按单声道时长计费；
2、对于采样率为16kHz的音频，系统自动识别声道数量，并执行声道数 × 音频时长计费；
3、三声道16kHz音频时长为60秒，则计费时长为180秒（3×60）。
三、实时语音识别的推流路数叠加规则
在电话会议、双端对讲等需双向语音同步识别的场景中，Qwen-Audio将每路独立推流视为独立识别通道，时长分别计量后累加。
1、A方推流持续132秒，B方推流持续145秒，则总计费时长为277秒；
在编辑图像时使用，适用于阿里云模型工作室的 Qwen 图像编辑模型（qwen-image-edit、qwen-image-edit-plus、qwen-image-edit-max、qwen-image-2.0 等）。
2、同一设备模拟双路推流（如本地环回+网络转发），两路时长均被计入；
3、若某路推流中断后重连，新连接时段单独起算，不与前次合并。
四、失败调用是否计费的判定标准
仅当服务端完成音频接收并启动解码流程后，才触发计费逻辑。识别结果成功与否不影响已发生的计费行为。
1、音频格式错误（如损坏WAV头）导致服务拒绝接收，不计费；
2、音频正常接收但ASR模型内部超时未返回结果，仍按实际接收时长计费；
3、HTTP连接建立失败或网络超时（如504响应），服务端无音频接收记录，不计费。
五、极速版与闲时版录音识别的时长认定差异
Qwen-Audio提供“极速版”与“闲时版”两种录音文件识别通道，二者在计费时长认定上存在策略性区别。
1、“极速版”严格按原始音频文件完整时长计费，包括其中的静音段与停顿间隙；
2、“闲时版”启用语音活性检测（VAD）预处理，仅对检测到人声能量的有效片段累计时长；
3、同一段含40秒静音的120秒录音，“极速版”计费120秒，“闲时版”可能仅计费80秒（以VAD实际输出为准）。
