阿里把语音识别模型更新到 3.0，医疗等专业词识别更准了，错字率低到 1.7%，还开放了三个版本随便用。
阿里巴巴发布语音识别大模型 Qwen-Audio-3.0-ASR-Flash，针对上下文一致性、行业词识别和热词定制化做了优化。模型内置覆盖医疗、IT 编程、股票等领域的高质量词库，在内部评测中医疗场景专业词听中率达 95.36%。该模型曾在 Artificial Analysis 上以 1.7% 的错字率拿下全球第一。目前已在阿里云百炼平台开放，提供 Flash、Filetrans、Streaming 三个版本。
IT之家 7 月 31 日消息，阿里巴巴今日发布语音识别大模型 Qwen-Audio-3.0-ASR-Flash 。简单来说，就是让 AI 更好地听懂专业词汇。 Qwen-Audio-3.0-ASR-Flash 主要在上下文一致性、行业词识别和热词定制化三个维度做了系统性的优化，同时让模型具备语音润色能力，可直接输出结构化文本。 研究团队持续从医疗、IT 编程、股票、社会名人等领域里挖掘专业词汇，建成了覆盖多行业的高质量词库，加强模型对专业术语和冷门词的识别。在最新的行业词汇内部评测中，新模型对各行业专业词的“听中率”都有明显提升， 其中医疗场景更是突破了 95.36% 。 目前，Qwen-Audio-ASR-Flash 系列已经在会议纪要整理、实时字幕、教育录播、智能客服等场景里得到验证，曾在 AI 评测平台 Artificial Analysis 上， 以 1.7% 的错字率拿下全球第一 。 Qwen-Audio-3.0-ASR—— 现已通过阿里云百炼平台开放调用，提供三个版本： Qwen-Audio-3.0-ASR-Flash：语音识别，最长 5 分钟 Qwen-Audio-3.0-ASR-Filetrans ：离线文件转写 Qwen-Audio-3.0-ASR-Streaming ：实时语音识别 IT之家附 Qwen-Audio-3.0-ASR-Flash 体验地址如下： Qwen-Audio-3.0-ASR-Flash： https://help.aliyun.com/zh/model-studio/non-real-time-speech-recognition-for-fun-asr-flash Qwen-Audio-3.0-ASR-Flash-Filetrans ： https://help.aliyun.com/zh/model-studio/fun-asr-recorded-speech-recognition-http-api Qwen-Audio-3.0-ASR-Flash-Streaming ： https://help.aliyun.com/zh/model-studio/fun-asr-realtime-websocket-api