阿里通义开源 Qwen3-ASR-Toolkit，音视频转录 Python 命令行工具

阿里通义Qwen团队推出开源Python命令行工具Qwen3-ASR-Toolkit，该工具能一键突破Qwen3-ASR-Flash API的3分钟时长限制，实现小时级音视频的快速转录。

Qwen3-ASR-Flash是通义千问系列最新的语音识别模型，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-Toolkit采用VAD智能静音切分技术，确保句子完整性；能自动将任意采样率的音频重采样为16 kHz单声道；借助多线程并行上传分片，显著缩短总耗时。

此外，它基于FFmpeg，支持mp4、mov、mkv、mp3、wav、m4a等几乎所有媒体格式。

开源地址：https://github.com/QwenLM/Qwen3-ASR-Toolkit