Présentation
Qwen3-ASR-Flash est un modèle multilingue de reconnaissance automatique de la parole, fondé sur un grand modèle de langage. Il reçoit de l’audio et produit une transcription textuelle. Il détecte automatiquement la langue et vise notamment la transcription d’enregistrements courts, de messages vocaux ou de dictées. Le français figure parmi les langues prises en charge. (help.aliyun.com)
Date de publication
La version instantanée qwen3-asr-flash-2025-09-08 a été annoncée le 8 septembre 2025. Annonce officielle. (help.aliyun.com)
Capacités et limites
- Transcription non temps réel via une API HTTP compatible avec OpenAI ; l’audio est limité à 5 minutes et 10 Mo par requête.
- La documentation indique la prise en charge de la reconnaissance des émotions, mais pas de la séparation des locuteurs ni de l’amélioration par mots-clés pour cette version.
- L’appel de fonctions, la sortie structurée, la recherche Web, le cache de contexte, l’inférence par lot et l’ajustement fin ne sont pas pris en charge. (help.aliyun.com)
Disponibilité
Alibaba Cloud a annoncé le retrait de cette version de Model Studio pour le 10 octobre 2026, sous réserve de la date effective du changement. L’avis recommande fun-asr comme remplacement ; la disponibilité effective doit être vérifiée dans la console. Avis officiel de retrait. (alibabacloud.com)
Tarification
Tarifs officiels consultés le 18 novembre 2026. La facturation est fondée sur la durée de l’audio en entrée ; la sortie textuelle n’est pas facturée. Les montants ci-dessous sont des références documentées, et non une garantie de disponibilité après le retrait annoncé.
- Site chinois, version instantanée : 0,00022 CNY par seconde d’audio à Pékin et 0,00026 CNY par seconde à Singapour. Fiche officielle du modèle et règles de facturation. (help.aliyun.com)
- Site international, version instantanée : l’avis de retrait indique 0,000035 USD par seconde d’audio pour Singapour. Avis officiel de retrait et tarif ; règles de facturation. (alibabacloud.com)
Les tarifs en CNY et en USD correspondent à des sites et conditions régionales distincts ; ils ne constituent pas une conversion de devise.