通義千問推出全新語音識別模型 Qwen3-ASR-Flash，革新語音轉文字技術

近日， 在全球語音識別技術日益發展的背景下，通義千問今日正式推出其最新語音識別模型 ——Qwen3-ASR-Flash。該模型基於 Qwen3基座模型，經過海量多模態數據及數千萬小時的自動語音識別（ASR）數據訓練而成，旨在爲用戶提供高精度、高魯棒性的語音識別解決方案。

Qwen3-ASR-Flash 的核心特性包括領先的識別準確率和驚豔的歌聲識別能力。模型在多箇中英文及多語種的基準測試中表現出色，尤其是在支持歌唱識別方面，實測錯誤率低於8%。這意味着無論是清唱還是伴隨背景音樂的整歌，Qwen3-ASR-Flash 都能夠有效地識別並轉錄。

另一個顯著特點是其定製化識別能力。用戶可以以任意格式提供文本上下文，模型能夠智能識別並匹配命名實體和關鍵術語，從而輸出個性化的識別結果。這一功能的實現使得 Qwen3-ASR-Flash 在處理複雜語境時更具靈活性和適應性。

此外，Qwen3-ASR-Flash 支持多達11種語言及多種方言和口音，能夠實現精準轉錄。其語種支持包括普通話及主要方言（如四川話、粵語等）、英式和美式英語，甚至包括法語、德語、俄語、意大利語、西班牙語、日語、韓語和阿拉伯語等多種語言。這爲用戶提供了更爲廣泛的選擇，滿足了不同地域和語言使用者的需求。

Qwen3-ASR-Flash 還具備強大的魯棒性，能夠在長難句、句中語言切換和複雜聲學環境中保持高準確率，有效過濾非語音片段，如靜音和背景噪聲，確保用戶獲得最佳的語音識別體驗。

爲了讓用戶能夠體驗到 Qwen3-ASR-Flash 的強大功能，通義千問在多個平臺上提供了體驗方式，包括 ModelScope、HuggingFace 和阿里雲百鍊 API 等，用戶可以便捷地試用該模型。

未來，通義千問表示，Qwen3-ASR-Flash 將持續迭代升級，不斷提高識別準確率，並開發更多功能，致力於爲用戶提供更智能、更高效的語音轉文字服務。通過這項技術創新，通義千問希望在語音識別領域開創更廣闊的未來。