推荐语
通义千问最新语音识别模型Qwen3-ASR-Flash震撼发布，支持11种语言和歌声识别，准确率行业领先！核心内容： 1. 模型核心优势：高精度语音识别、歌声识别、定制化文本上下文支持 2. 技术突破：多语种/方言支持、噪声环境鲁棒性、非人声过滤 3. 应用场景：电竞解说、车载环境、多语言会议等复杂场景转录
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
今天，我们正式推出通义千问系列最新的语音识别模型 Qwen3-ASR-Flash，它基于Qwen3基座模型，经海量多模态数据以及千万⼩时规模的ASR（自动语音识别）数据训练构建而成。
Qwen3-ASR-Flash实现了⾼精度⾼鲁棒性的语⾳识别性能，⽀持11种语⾔和多种⼝⾳。与众不同的是，Qwen3-ASR-Flash⽀持⽤户以任意格式提供⽂本上下⽂，从⽽获得定制化的 ASR 结果，同时还⽀持歌声识别。
Qwen3-ASR-Flash的核心特性：
领先的识别准确率：Qwen3-ASR-Flash在多个中英文，多语种benchmark测试中表现最优。
惊艳的歌声识别能力：支持歌唱识别,包括清唱与带bgm的整歌识别，实测错误率低于8%。
定制化识别：用户可以以任意格式(如词汇表、段落或完整文档)提供背景文本，模型能智能利用该上下文识别并匹配命名实体和其他关键术语，输出定制化的识别结果。
语种识别与非人声拒识：模型能精确分辨语音的语种，自动过滤非语音片段，包括静音和背景噪声。
鲁棒性：面对长难句、句中语言切换和重复词语等困难文本模式，以及在复杂的声学环境中，模型仍能保持高准确率。
ModelScope：
https://modelscope.cn/studios/Qwen/Qwen3-ASR-Demo
HuggingFace:
https://huggingface.co/spaces/Qwen/Qwen3-ASR-Demo
阿里云百炼API：
https://bailian.console.aliyun.com/?tab=doc#/doc/?type=model&url=2979031
Qwen3-ASR-Flash 单模型支持多种语言、方言和口音的精准转录：
为获得定制化的ASR结果，用户可提供任意格式的背景文本来获得倾向性ASR结果，Qwen3-ASR-Flash无需对上下文信息进行格式预处理。
支持的格式包括但不限于：
Qwen3-ASR-Flash单模型单次推理，除示例2之外未配置背景信息。
Qwen3-ASR-Flash 将持续迭代升级，不断精进通用识别准确率，我们也会开发更多功能，为大家提供更智能、更好用的语音转文字服务。
粤ICP备14082021号
免费POC，
零成本试错
