ithome 时政国际科技采集 2026-07-31T04:32:19+00:00

阿里发布Qwen-Audio-3.0-ASR-Flash语音识别大模型

原始标题：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

来源

ithome

发布时间

2026-07-31T03:57:20

采集批次

2026-07-31-04

字数

521

原始链接 https://ithome.com/0/984/044.htm

URL 指纹

8c5973537b941f48

📌 AI 总结（232 字）

阿里巴巴发布语音识别大模型Qwen-Audio-3.0-ASR-Flash，聚焦专业词汇识别能力提升。该模型在上下文一致性、行业词识别和热词定制化三方面做了优化，并具备语音润色能力。团队从医疗、IT编程、股票等领域构建高质量词库，医疗场景听中率突破95.36%，此前该系列以1.7%错字率拿下AI评测平台全球第一。新模型已在会议纪要、实时字幕、教育录播、智能客服等场景落地，并通过阿里云百炼平台开放Flash、Filetrans、Streaming三个版本供调用。

📄 正文（521 字）

阿里巴巴今日发布语音识别大模型Qwen-Audio-3.0-ASR-Flash，核心目标是让AI更好地听懂专业词汇。

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能力。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、智能客服等场景中得到验证，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