← 全部模型

Qwen-Audio-3.0-ASR-Flash

发布时间 发布主体 Alibabaqwen-audio-3.0-asr-flash

模型定位

Qwen-Audio-3.0-ASR-Flash 是阿里云百炼提供的非实时自动语音识别模型,输入音频并输出文本,适合短录音转写;它与实时 Streaming 版及离线文件转写 Filetrans 版是不同模型。(alibabacloud.com)

能力与用途

  • 官方公告称支持包括中文、英语、日语和韩语在内的 30 种语言,以及多种中文方言和 20 多种地区口音。
  • 针对中国古诗词识别进行了优化,并增强标点预测和文本规范化,可将数字、日期和金额转换为标准格式。
  • 支持热词及上下文输入,以改善专业术语识别;适用于教育、文化内容、有声读物和短录音转写等场景。(alibabacloud.com)

限制

  • 非实时识别,单段音频最长 5 分钟、最大 2 GB;通过 HTTP API 调用。
  • 不支持说话人分离或情绪识别;官方模型信息页还列出不支持函数调用、结构化输出、上下文缓存、批量推理和微调。(help.aliyun.com)

发布日期

2026 年 7 月 30 日,见阿里云官方模型发布公告。(alibabacloud.com)

官方定价

查询日期:2026 年 11 月 16 日。以下为该模型的按量标准价,均按输入音频时长计费,文本输出不计费;不同站点和地域的价格不是同一套餐的汇率换算。

官方站点与地域 输入价格 输出价格 免费额度
国内站:华北2(北京) 0.00022 CNY/秒 不计费 无
国内站:新加坡,国际部署范围 0.00026 CNY/秒 不计费 无
国际站:新加坡,国际部署范围 0.000035 USD/秒 不计费 无
国际站:中国(北京) 0.00003 USD/秒 不计费 无

以上价格分别依据国内站定价页和国际站定价页。实际适用价格及优惠以对应站点和控制台为准。(help.aliyun.com)

官方来源