Qwen3-ASR-Flash
复制成功!
立即体验加入对比
语音识别
概述
语音识别
千问3-ASR-Flash是一款基于大语言模型的高精度、高智能、高鲁棒性的多语种语音识别模型。依托强大的基座模型、海量的文本与多模态数据、千万小时音频数据,千问3-ASR-Flash实现了高精度的语音识别功能,能够自动判断语种并准确识别多个语种的语音,在复杂的音频环境下能够保证精确转录。此版本为2025年9月8日的快照版本。
输入
音频
输出
文本
功能
前缀补全
函数调用
缓存
结构化输出
批量任务
联网搜索
微调
定价
- 音频时长¥0.00022每秒
速率限制
- RPM每分钟请求数100
API 参考
获取 API Key复制成功!
12345678910111213141516171819202122232425262728293031
import os
import dashscope
messages = [
{
"role": "system",
"content": [
# 此处用于配置定制化识别的Context
{"text": ""},
]
},
{
"role": "user",
"content": [
{"audio": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3"},
]
}
]
response = dashscope.MultiModalConversation.call(
# 若没有配置环境变量,请用百炼API Key将下行替换为:api_key = "sk-xxx"
api_key=os.getenv("DASHSCOPE_API_KEY"),
model="qwen3-asr-flash-2025-09-08",
messages=messages,
result_format="message",
asr_options={
# "language": "zh", # 可选,若已知音频的语种,可通过该参数指定待识别语种,以提升识别准确率
"enable_lid":True,
"enable_itn":False
}
)
print(response)