Qwen3 ASR Flash

Qwen3-ASR-Flash 是阿里巴巴的自动语音识别服务，基于 Qwen3-Omni 基础构建，并在数千万小时的多模态语音数据上训练而成。该模型支持 11 种语言——包括中文（含粤语、四川话、闽南语和吴语方言）、英语、阿拉伯语、法语、德语、西班牙语、意大利语、葡萄牙语、俄语、日语和韩语——并具备自动语言检测功能，因此处理混合语言音频时无需手动配置。

该模型专为困难的声学条件设计：它能够转录背景音乐中的人声歌词，处理嘈杂和远场录音，过滤静音及非语音音频，并接受任意上下文文本（如人名、行话、领域术语）以偏向识别特定词汇。