• Mozi

    图片

    qianwenai.com

    图片

    Qwen-Audio-3.0-ASR-Flash - 千问AI平台

    百聆2026年6月更新的大模型ASR版本,全面支持汉语传统七大方言体系(官话/吴/湘/赣/客/闽/粤),并适配 20+...

    qwen-audio-3.0-asr-flash-streaming

    qwen-audio-3.0-asr-flash-streaming

    qwen-audio-3.0-asr-flash-filetrans

    图片

    图片

    fun-asr-flash-2026-06-15模型用了一个月了,准度是高于豆包语音识别2.0的,没想到这么快又发布新的语音识别了

    阿里巴巴的这些网站是真复杂,有阿里云百炼平台,又有千问 AI 平台

    相互还同步 API 密钥,应该额度也是同步的

    图片

    图片

    主楼
  • Mozi

    不清楚现在的安卓端的语音输入法是不是用的这个模型

    #1
  • xLinux

    Flash 五分钟时长也太短了吧^-^^-^^-^

    #2
  • Leon01

    好快的更新!fun 都还没来得及玩,现在向我们走来的是 3.0 系列

    #3
  • Mozi

    长音频用另一款文件转写模型

    大部分语音识别的厂商都是这样做的

    #4
  • Mozi

    Fun 应该是另一个团队的另一个路线,和这个千问系列是不一样的

    #5
  • Bubble7766

    坐等开源 之前qwen-asr-2.5非常不错 3.0不知道本地跑起来如何

    #6
  • fengchris

    不知道通义听悟用的是啥模型 反正免费时长好多

    #7
  • Mozi

    我已经用上这个 API 了,速度比FUN ASR Flash要快

    也支持识别很多专业名词,比如 OpenClaw、Anthropic、Grok、Claude Code、Desktop、Codex

    #8
  • Attiv

    卧槽登录前显示余额100%,登录后免费余额变成0了…

    #9
  • Mozi

    你是不是看错了?是不是看使用量了

    #10
  • Attiv

    发现怎么回事了……我账号以前给项目上买过服务器,欠费了…

    #11
  • zljbjh

    这个是 qwen3-asr 的闭源+改进版?

    #12
  • 佩恩

    佬是用的流式模式还是整段音频的识别?我试了流式感觉质量一般 ^-^

    #13
  • Mozi

    流式模式肯定比整段音频要差得多的

    我从来都是用整段模式的,我现在语音输入全都是用的这个模型

    #14
  • Mozi

    是的,这个模型已经坐稳第一了。豆包那个 2.0 模型到现在还不更新,都已经半年多了

    #15
  • 路人A

    又不上openrouter吗?根本看不懂百炼API怎么在Spokenly里接入,Openai兼容不知道能不能通

    #16
  • Mozi

    走的是 DashScope 原生 multimodal-generation 端点

    那个千问3 ASR是走的OpenAI兼容的

    #17
  • neteroster

    阿里的asr产品线复杂的不行,好多模型、版本,翻译也是独立的模型,每个模型的优势和对比也没有一个地方说的很明白,所以就一个一个试…

    #18
  • Colia_Savendii

    千问这个平台我支付宝扫码登录了4次愣是没登上,用手机号才行,何意味 ^-^

    #19

发表回复

登录后回复