Qwen3-ASR-Flash
语音大模型Qwen3-ASR-Flash
模型基本信息
是否支持推理过程
不支持
最高上下文输入长度
10K tokens
最长输出结果
模型类型
语音大模型
发布时间
2025-09-08
模型预文件大小
推理模式
开源和体验地址
代码开源状态
预训练权重开源
GitHub 源码
Hugging Face
在线体验
官方介绍与博客
API接口信息
接口速度（满分5分）
接口价格
默认单位：$/100万 tokens；若计费单位不同，则以供应商公开的原始标注为准。
| 模态 | 输入 | 输出 |
|---|---|---|
| 音频 | 0.00192 美元/分钟 |
Qwen3-ASR-Flash模型在各大评测榜单的评分
发布机构
Qwen3-ASR-Flash模型解读
关于Qwen3-ASR-Flash模型更详细的介绍，参考DataLearnerAI的博客： 原创AI博客 大模型技术资讯 大模型评测排行 AI大模型大全 大模型对比工具 大模型评测基准 AI Agents列表 AI资源仓库 AI工具导航 Qwen3家族新成员：阿里发布自动语音识别大模型Qwen3-ASR-Flash，中英文语音识别错误率低于GPT-4o和Gemini 2.5 Pro！
2025年9月8日，Qwen 团队发布了 Qwen3-ASR-Flash，这是一款基于 Qwen3-Omni 能力以及数千万小时多模态语音识别数据训练的语音识别服务。该模型旨在提供多语言、多场景下的稳定识别能力，同时支持上下文定制和特殊语音场景的处理。
模型定位与基础能力
Qwen3-ASR-Flash 面向语音识别应用场景，覆盖实时转写、语音辅助输入、多语言交流等需求。其核心能力体现在以下几个方面：
- 多语言支持：支持 11 种语言，包括中文（普通话及四川话、闽南语、吴语、粤语等主要方言）、英语（英式、美式及其他口音）、以及法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语和阿拉伯语。
- 多口音兼容：在方言和口音差异明显的语音中保持较高的识别准确度。
- 噪声鲁棒性：在复杂声学环境（如车内噪声、背景音乐干扰）下依旧能够完成识别。
关键功能
1. 上下文定制化识别
用户可通过输入不同格式的背景文本（关键词列表、段落文本或二者结合）对识别结果进行偏置，从而获得更贴近实际需求的转写结果。这一功能不依赖额外的预处理流程，且在提供无关甚至无意义文本时，也不会对基础识别性能造成显著影响。
2. 歌声识别
Qwen3-ASR-Flash 针对歌唱场景进行了优化，能够在有背景音乐的情况下转写歌词内容。
3. 语言识别与非语音过滤
模型具备语言自动识别功能，可准确区分 11 种支持语言。同时，它能够排除非语音片段，如环境噪音、背景声和静音段落。
4. 持续优化
作为 API 服务，Qwen3-ASR-Flash 将通过持续更新来提升整体识别准确性，并逐步扩展或优化功能模块。
应用示例
官方提供了一系列不同场景下的演示用例，涵盖噪声环境、电竞解说、英语说唱、车载语音、多语种混合对话以及专业课程内容。这些示例展示了模型在多样化输入条件下的适应能力。
总结
Qwen3-ASR-Flash 是一款面向多语言和多场景的语音识别服务。它在传统语音转写的基础上，进一步支持上下文定制化输入和特殊语音类型（如歌声）的识别，提升了在复杂环境中的适用性。作为持续更新的 API 服务，Qwen3-ASR-Flash 将伴随语音识别需求的增长而不断迭代。
关注DataLearnerAI公众号
关注DataLearnerAI微信公众号，接受最新大模型资讯
