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

AI 总结
• 7 月 31 日阿里巴巴发布语音识别大模型 Qwen-Audio-3.0-ASR-Flash，重点优化行业词识别与热词定制化能力。
• 新模型在医疗场景的专业词听中率突破 95.36%，曾在 AI 评测平台以 1.7% 错字率拿下全球第一。
• 该模型具备语音润色能力可直接输出结构化文本，已在会议纪要、实时字幕及智能客服等场景得到验证。
• Qwen-Audio-3.0-ASR 系列现已通过阿里云

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 。简单来说，就是让 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

IT之家附 Qwen-Audio-3.0-ASR-Flash 体验地址如下：

Qwen-Audio-3.0-ASR-Flash：

https://help.aliyun.com/zh/model-studio/non-real-time-speech-recognition-for-fun-asr-flash

Qwen-Audio-3.0-ASR-Flash-Filetrans ：

https://help.aliyun.com/zh/model-studio/fun-asr-recorded-speech-recognition-http-api

Qwen-Audio-3.0-ASR-Flash-Streaming ：

https://help.aliyun.com/zh/model-studio/fun-asr-realtime-websocket-api

[来源链接] https://www.ithome.com/0/984/044.htm