阿里通义发布语音识别模型 Qwen3-ASR-Flash
通义千问系列最新的语音识别模型 Qwen3-ASR-Flash已正式发布，它基于Qwen3基座模型，经海量多模态数据以及千万⼩时规模的ASR（自动语音识别）数据训练构建而成。 Qwen3-ASR-Flash实现了⾼精度⾼鲁棒性的语⾳识别性能，⽀持11种语⾔和多种⼝⾳。与众不同的是，Qwen3-ASR-Flash⽀持⽤户以任意格式提供⽂本上下⽂，从⽽获得定制化的 ASR 结果，同时还⽀持歌声识别。 Qwen3-ASR-Flash 单模型支持多种语言、方言和口音的精准转录： 中文：包括普通话以及四川话、闽南语、吴语、粤语等主要方言。 英语：支持英式、美式及多种其他地区口音。 其他支持语言：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。 Qwen3-ASR-Flash的核心特性： 领先的识别准确率：Qwen3-ASR-Flash在多个中英文，多语种benchmark测试中表现最优。 惊艳的歌声识别能力：支持歌唱识别,包括清唱与带bgm的整歌识别，实测错误率低于8%。 定制化识别：用户可以以任意格式(如词汇表、段落或完整文档)提供背景文本，模型能智能利用该上下文识别并...
