通义千问发布Qwen-Audio-3.0-ASR，支持长音频上下文与30种语言
千问大模型 · wechat · 2026-07-31
阿里通义千问正式发布语音识别大模型 Qwen-Audio-3.0-ASR-Flash，重点解决专业词汇识别与长音频连贯性问题。该模型曾在 ArtificialAnalysis 评测中以 1.7% 的错字率位列全球第一。
新模型主要带来四大升级：
- 长上下文记忆：在识别长音频时能参考前文已识别内容，自动更新记忆，大幅降低同音词和专业术语的误判。
- 行业词与热词定制：内置多行业高质量词库（医疗场景听中率突破 95.36%），并支持即时热词配置，多数场景命中率超 99% 且无误触发。
- 一步语音润色：在识别阶段直接去除口头禅、清理口吃重复并处理自我纠正，输出结构化书面文本，效果媲美“识别+大模型润色”的两步方案。
- 多语种集成：单一模型支持中文、日韩、东南亚及欧洲等 30 种语言，七语种平均语义错误率仅 17.09%，优于 Azure 和 Gemini 3.0 Flash。
此外，面向低延迟场景的 Streaming 版本在保持 300ms 出字延迟的同时，将复杂工业场景的中文错字率降至 7.8%。目前系列模型已在阿里云百炼平台开放调用。
所属事件:阿里发布 Qwen-Audio-3.0-ASR-Flash 语音模型(3 条相关)→
「模型」频道最新
- 爆料称 GLM 5.5 与 Kimi K3.1 即将发布,或与反蒸馏封锁有关 — zephyr_z9 · 2026-10-16
- 75 家企业真实工作基准:GPT-6 与 Claude 排名随任务反转 — BorisMPower · 2026-10-16
- Google 年付 Gemini AI Plus 用户遭中途降级,11月13日起失去 Pro 模型 — Ray_ProUser · 2026-10-16
- 夸一句就出图：小模型画鹈鹕骑车SVG画质飙升 — Fancy-Snow7 · 2026-10-16
- Rapid-MLX 0.16.2 发布:Apple Silicon 本地跑 Nemotron 3.5 至 120B — kuchaev · 2026-10-16
- 「中国开源末日」说法被质疑：开源模型几乎可自动获得许可证 — eliebakouch · 2026-10-16