阿里通义开源语音识别模型 Qwen3-ASR，支持多语言和中文方言语音-低调大师

阿里通义开源语音识别模型 Qwen3-ASR，支持多语言和中文方言语音

2026-01-30 2

阿里通义 Qwen 正式开源 Qwen3-ASR 系列语音识别模型，包括两个强大且全面的语音识别模型 Qwen3-ASR-1.7B 与 Qwen3-ASR-0.6B，以及一个创新的语音强制对齐模型 Qwen3-ForcedAligner-0.6B。Qwen3-ASR 系列的语音识别模型支持 52 个语种与方言的语种识别与语音识别。

Qwen3-ASR核心特性

All-in-one: Qwen3-ASR-1.7B 与 Qwen3-ASR-0.6B 均通过单一模型支持 30 个语种的语种识别与语音识别、22 个中文口音与方言语音识别、多个国家与地区的英文口音识别。
准确而快速的语音识别能力：在复杂的声学环境与文本模式的场景下，Qwen3-ASR 系列模型均能保持稳定鲁棒的语音识别能力，包括歌唱识别等。Qwen3-ASR-1.7B 实现了语音识别准确率的全面领先，在开源与闭源自建评测上较主流开源模型与众多商用 API 上更优。0.6B 模型则实现了性能与效率的均衡，在异步推理模式下，128 并发的该模型能够达到 2000 倍的吞吐，处理 5 个小时的音频仅需要 10 秒。 Qwen3-ASR-1.7B 与 Qwen3-ASR-0.6B 均支持流式/非流式一体化推理，最长一次性处理 20 分钟的音频。
独创且强大的强制对齐模型：我们推出 Qwen3-ForcedAligner-0.6B，一个支持 11 个语种在 5 分钟之内语音的任意单元的时间戳预测，经评测其时间戳精度超越了一众基于传统端到端方案的强制对齐模型，其非自回归的推理逻辑保证了推理的高效性。
全面且易用的推理与微调工具：除了 Qwen3-ASR 系列模型的结构与权重开源，我们一次性推出强大且全面的推理框架，支持基于 vLLM 的 batch 推理、异步服务、流式推理、时间戳预测功能等。

据官方介绍，依托创新的预训练 AuT 语音编码器与 Qwen3-Omni 基座模型的强大多模态能力，Qwen3-ASR 实现了精准与稳定的语音识别，其 1.7B 模型在中文、英文、中文口音与歌唱识别等场景下达到 SOTA，具有复杂文本识别能力以及强噪声下的稳定性；0.6B 模型在性能与效率上实现了均衡，在保证语音识别准确率的情况下，128 并发异步服务推理能够达到 2000 倍吞吐，即 10 秒钟处理五个小时以上的音频。

Github: https://github.com/QwenLM/Qwen3-ASR
HuggingFace: https://huggingface.co/collections/Qwen/qwen3-asr
ModelScope：https://www.modelscope.cn/collections/Qwen/Qwen3-ASR
Huggingface Demo:https://huggingface.co/spaces/Qwen/Qwen3-ASR
ModelScope Demo: https://modelscope.cn/studios/Qwen/Qwen3-ASR
论文: https://github.com/QwenLM/Qwen3-ASR/blob/main/assets/Qwen3_ASR.pdf
阿里云百炼API:https://help.aliyun.com/zh/model-studio/qwen-real-time-speech-recognition

微信关注我们

原文链接：https://www.oschina.net/news/400605

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

宇树开源 UnifoLM-VLA-0，面向通用人形机器人操作的 VLA 大模型

宇树科技宣布开源面向通用人形机器人操作的视觉-语言-动作（VLA）大模型 UnifoLM-VLA-0，旨在通过强化空间推理与物理交互能力，推动机器人从“图文理解”向“具身大脑”升级。据介绍，该模型通过在机器人操作数据上的继续预训练，实现了从通用“图文理解”向具备物理常识的“具身大脑”的进化，旨在突破传统 VLM 在物理交互中的局限。针对操作类任务中对指令理解与空间感知的高要求，模型通过继续预训练深度融合了文本指令与 2D/3D 空间细节，增强了模型的空间感知能力。构建了全链路动力学预测数据，模型具备更好的任务泛化性。在真机验证中，仅需单一策略即可高质量完成 12 类复杂的操作任务。基于 Qwen2.5-VL-7B 开源模型，宇树构建了覆盖机器人与通用场景的多任务数据集，并开展持续预训练。该数据集涵盖 2D 检测与分割、任务层级分解、3D 目标检测、空间位置推理及轨迹预测等多维数据，有效提升了模型对几何空间与语义逻辑的对齐能力。针对操作类...

2026-01-30

3

马斯克旗下人工智能助手Grok 近日因被利用生成 AI 色情图像而陷入风波，苹果和谷歌也被要求从应用商店中移除 X 和 Grok 应用。但 TTP 最新的一项调查显示，对于苹果和谷歌来说，其应用程序的“脱衣”问题远远超出了 Grok 的范畴。据悉，TTP 在 Google Play 商店中发现了55款可以移除女性衣物，使其完全或部分裸露，或仅穿着比基尼或其他极简服装的应用程序。调查还在苹果App Store中发现了47款此类应用程序。应用分析公司AppMagic的数据显示，TTP识别出的应用在全球累计下载量超过7.05亿次，创造了1.17亿美元的收入。由于谷歌和苹果会从中抽取分成，因此它们直接从这些应用的活动中获利。尽管这些应用明显违反了应用商店政策，但谷歌和苹果仍然提供这些应用。事实上，谷歌应用商店声明禁止“描绘性裸体或带有性暗示的裸体姿势”或“衣着暴露”。它还禁止“贬低或物化他人”的应用，例如声称可以脱光他人衣服或透视衣物的应用，即使这些应用被标记为恶作剧...

2026-01-30

3

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。