阿里发布Qwen-Audio-3.0-ASR-Flash语音识别大模型，让AI更好听懂专业词汇

刘绪刚

IT之家 7 月 31 日消息，阿里巴巴今日发布语音识别大模型



Qwen-Audio-3.0-ASR-Flash 主要在上下文一致性、行业词识别和热词定制化三个维度做了系统性的优化，同时让模型具备语音润色能力，可直接输出结构化文本。
研究团队持续从医疗、IT 编程、股票、社会名人等领域里挖掘专业词汇，建成了覆盖多行业的高质量词库，加强模型对专业术语和冷门词的识别。在最新的行业词汇内部评测中，新模型对各行业专业词的“听中率”都有明显提升，其中医疗场景更是突破了 95.36%。

目前，Qwen-Audio-ASR-Flash 系列已经在会议纪要整理、实时字幕、教育录播、智能客服等场景里得到验证，曾在 AI 评测平台 Artificial Analysis 上，以 1.7% 的错字率拿下全球第一。
Qwen-Audio-3.0-ASR—— 现已通过阿里云百炼平台开放调用，提供三个版本：
Qwen-Audio-3.0-ASR-Flash：语音识别，最长 5 分钟
Qwen-Audio-3.0-ASR-Filetrans：离线文件转写
Qwen-Audio-3.0-ASR-Streaming：实时语音识别