Qwen Audio 3.1 ASR vs StepAudio 3 ASR Max

Qwen Audio 3.1 ASR vs StepAudio 3 ASR Max の概要

Alibaba Cloud の Qwen Audio 3.1 ASR と StepFun の StepAudio 3 ASR Max はどちらも転写カテゴリのモデルで、EmpirioLabs API から利用できます。

主な違い

• Qwen Audio 3.1 ASR のほうが新しいリリースです (2026年9月10日)。StepAudio 3 ASR Max のリリースは 2026年8月31日 です。

Qwen Audio 3.1 ASR vs StepAudio 3 ASR Max: 仕様

Qwen Audio 3.1 ASR vs StepAudio 3 ASR Max: API の料金

両モデルの EmpirioLabs カタログのライブ料金です。各料金表は常に API の請求額と一致します。

Qwen Audio 3.1 ASR vs StepAudio 3 ASR Max: API のパラメーター

EmpirioLabs で各モデルに記載されているリクエストパラメーターと、指定できる値または範囲です。ハイフンは、そのモデルに記載のないパラメーターを示します。

Qwen Audio 3.1 ASR vs StepAudio 3 ASR Max: 上限と注意点

Qwen Audio 3.1 ASR

音声送信

ファイルをマルチパートfile、または一般的な音声フォーマットでJSONをaudio_urlまたはaudio_base64で送信してください。短いクリップも長い録音もどちらも受け入れています。

結果を得るために

リクエストはすぐにjob_idとpoll_urlを返します。statusがcompletedされるまでポーリングGET /v1/jobs/<job-id>します。短いクリップは数秒で終わります。長い録音はより時間がかかります。

何が返ってきますか

完了した作業のresultには、完全な書き起こしがtext、開始・終了時刻を含む文のセグメント、単語のタイムスタンプが保持されています。言語は自動的に検出され、中国語の方言も含まれます。

請求

入力トークンと出力トークンは1M単位で価格が設定され、各リクエストはモデルが報告する使用量から請求されます。

StepAudio 3 ASR Max

wav、mp3、ogg、m4a、pcm入力に対応しています。PCMリクエストにはコーデック、サンプルレート、ビット深度、チャンネル数を含める必要があります。言語は自動的に検出され設定できません。中国語、英語、日本語、韓国語、フランス語、スペイン語が認識され、プレビューでは中国語と英語以外の言語も表示されます。逆テキスト正規化はデフォルトでオンで、enable_itnでオフにできます。このモデルではホットワードや単語のタイムスタンプは利用できません。音声は測定された持続時間で請求され、最低1秒です。

Qwen Audio 3.1 ASR と StepAudio 3 ASR Max の呼び出し方

Qwen Audio 3.1 ASR は POST /v1/audio/transcriptions で動作します。リクエストはすぐに job_id を返すので、ジョブが完了するまで GET /v1/jobs/{job_id} をポーリングし、結果から出力 URL を読み取ってください。 どちらのモデルも同じエンドポイントで呼び出します。model を qwen-audio-3-1-asr または stepaudio-3-asr-max に設定してください。 EmpirioLabs ダッシュボードで API キーを取得してください。

curl https://api.empiriolabs.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-audio-3-1-asr",
    "audio_url": "https://example.com/meeting-recording.mp3"
  }'

Qwen Audio 3.1 ASR vs StepAudio 3 ASR Max: テストとガイド

両方のモデルを扱ったプロンプトテストと比較実験です。

ガイド Qwen Audio 3.0 ASR vs Qwen Audio 3.1 ASR vs StepAudio 3 ASR Max vs Deepgram Nova-3:ボイスメール1件 Qwen Audio 3.0 ASR、Qwen Audio 3.1 ASR、StepAudio 3 ASR Max、Deepgram...

Qwen Audio 3.1 ASR vs StepAudio 3 ASR Max: よくある質問

Qwen Audio 3.1 ASR と StepAudio 3 ASR Max の違いは何ですか?

Qwen Audio 3.1 ASR のほうが新しいリリースです (2026年9月10日)。StepAudio 3 ASR Max のリリースは 2026年8月31日 です。 このページの仕様、料金表、パラメーターは EmpirioLabs のライブカタログに基づいています。

Qwen Audio 3.1 ASR と StepAudio 3 ASR Max ではどちらが新しいですか?

Qwen Audio 3.1 ASR のほうが新しいリリースです (2026年9月10日)。StepAudio 3 ASR Max のリリースは 2026年8月31日 です。

Qwen Audio 3.1 ASR と StepAudio 3 ASR Max ではどちらの料金が低いですか?

2 つのモデルは課金単位または階層が異なるため、このページのライブ料金表で比較してください。料金表は常に API の請求額と一致します。

統合を作り直さずに Qwen Audio 3.1 ASR と StepAudio 3 ASR Max を切り替えられますか?

はい。どちらのモデルも同じ EmpirioLabs API キーで POST /v1/audio/transcriptions を使うため、ほとんどの連携は model の値を変えるだけで切り替えられます。モデル固有のパラメーターに依存している場合は、先にこのページのパラメーター表を確認してください。

統合する前にブラウザで Qwen Audio 3.1 ASR と StepAudio 3 ASR Max を試せますか?

はい。EmpirioLabs プレイグラウンド で各モデルを開き、API と同じパラメーターで同じプロンプトを両方に実行できます。