← Tous les modèles

Qwen3-ASR-Flash-Realtime

Publication Éditeur Alibabaqwen3-asr-flash-realtime

Présentation

Qwen3-ASR-Flash-Realtime est un modèle multilingue de reconnaissance vocale en temps réel, fondé sur un grand modèle de langage. Il reçoit de l’audio et produit une transcription textuelle. Il détecte automatiquement la langue ; l’annonce initiale indique la prise en charge de 11 langues et une transcription précise même dans des environnements audio complexes. (help.aliyun.com)

Capacités et usages

Le modèle convient notamment à la transcription de flux vocaux et au sous-titrage en direct. La documentation actuelle de la famille Qwen-ASR inclut notamment le français parmi les langues prises en charge. L’accès en temps réel s’effectue par WebSocket. (help.aliyun.com)

Limites

L’audio doit être mono, au format PCM ou Opus, avec une fréquence d’échantillonnage de 8 ou 16 kHz ; il est transmis en Base64 dans des événements JSON. La fiche officielle indique que les appels de fonctions, la sortie structurée, la recherche Web, le cache de contexte, l’inférence par lots et l’ajustement du modèle ne sont pas pris en charge. (docs.modelstudio.console.alibabacloud.com)

Publication et version

Le modèle et son instantané qwen3-asr-flash-realtime-2025-10-27 figurent dans l’annonce du 27 octobre 2025 pour la Chine. La même annonce indique une disponibilité internationale au 29 octobre 2025. (help.aliyun.com)

Tarifs API

Tarifs officiels à l’usage consultés le 17 novembre 2026, hors promotions. La facturation porte sur la durée de l’audio en entrée ; la sortie textuelle n’est pas facturée séparément. Les tarifs ci-dessous concernent notamment l’instantané du 27 octobre 2025. (help.aliyun.com)

Ces prix correspondent à des plateformes et régions de facturation distinctes ; ils ne sont pas présentés comme des conversions de devises.

Sources officielles