7月31日，阿里通义千问正式发布语音识别大模型Qwen-Audio-3.0-ASR-Flash，主打”长音频不丢词、行业词不用教”，已在阿里云百炼平台开放调用。
新模型在五大维度实现升级:
一是长音频上下文记忆，转写时可参考前文语义，几小时会议中的人名、技术概念全程保持一致，告别跨片段”断片”;
二是内置多行业词库，医疗场景专业词召回率达95.36%，IT编程达91.87%，无需人工配置即可精准识别冷门术语;
三是分级热词定制，企业专属词汇即时生效，多数场景召回率突破99%，不因热词增多而误触发;四是集成语音润色，一步完成去口头禅、清理重复、处理自我纠正和语义重组，输出可读性接近”ASR+大模型润色”两步方案;
五是一套模型覆盖30余种语言，七语种平均语义错误率17.09%，优于Azure、Gemini等同业模型，适配跨国会议和出海客服场景。
同步推出的Qwen-Audio-3.0-ASR-Streaming面向实时场景，理论出字延迟300毫秒，中文工业场景错字率7.80%，英文11.52%，领跑行业。该系列此前已在Artificial Analysis评测中以1.7%错字率拿下全球第一，广泛应用于会议纪要、实时字幕、教育录播、智能客服等领域。
