qwen-audio-3.0-asr-flash系列语音识别模型发布，10小时免费额度

Mozi 2026-07-31 13:50 1

qwen-audio-3.0-asr-flash-streaming

qwen-audio-3.0-asr-flash-filetrans

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

最新回复 (19)

Mozi 楼主 07-31 13:56

1楼

不清楚现在的安卓端的语音输入法是不是用的这个模型
xLinux 07-31 14:01

2楼

Flash 五分钟时长也太短了吧^-^^-^^-^
Leon01 07-31 14:02

3楼

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
Mozi 楼主 07-31 14:03

4楼

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
Mozi 楼主 07-31 14:03

5楼

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
Bubble7766 07-31 14:09

6楼

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
fengchris 07-31 14:13

7楼

不知道通义听悟用的是啥模型反正免费时长好多
Mozi 楼主 07-31 14:36

8楼

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
Attiv 07-31 14:55

9楼

卧槽登录前显示余额100%,登录后免费余额变成0了…
Mozi 楼主 07-31 14:56

10楼

你是不是看错了？是不是看使用量了
Attiv 07-31 15:06

11楼

发现怎么回事了……我账号以前给项目上买过服务器,欠费了…
zljbjh 07-31 15:09

12楼

这个是 qwen3-asr 的闭源+改进版？
佩恩 07-31 15:59

13楼

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 ^-^
Mozi 楼主 07-31 16:00

14楼

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
Mozi 楼主 07-31 16:21

15楼

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
路人A 07-31 16:42

16楼

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
Mozi 楼主 07-31 16:51

17楼

走的是 DashScope 原生 multimodal-generation 端点

那个千问3 ASR是走的OpenAI兼容的
neteroster 07-31 16:56

18楼

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…
Colia Savendii 08-21 11:19

19楼

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 ^-^