阿里新语音AI攻克医学术语，创全球纪录

阿里巴巴刚刚发布了一款引起轰动的全新语音识别模型——它不仅仅是为了理解日常对话。该公司最新发布的Qwen-Audio-3.0-ASR-Flash旨在解决语音AI最大的痛点之一：专业术语。无论是医生口述复杂的医学术语，还是程序员谈论晦涩的编码库，该模型都旨在像专业人士一样聆听。

核心思想简单但雄心勃勃。该模型不仅仅是转录音词，而是经过微调，能够识别并准确处理行业特定词汇。其团队从医疗、IT、金融甚至名人新闻等领域挖掘专业术语，构建了一个覆盖多个行业的丰富数据库。在内部测试中，该模型在“聆听准确率”方面表现出显著提升，医疗场景准确率高达95.36%。

但这还不是全部。该模型还具备语音润色功能，可以直接输出结构化、干净的文本——不再需要大量编辑的杂乱无章的转录文本。

三个版本，五种场景，一个榜首

Qwen-Audio-ASR-Flash系列已在真实场景中得到验证。从会议记录到实时字幕、教育录音和智能客服，它都经过了考验。结果不言自明：在AI评估平台Artificial Analysis上，它以仅1.7%的错误率夺得全球第一。这是办公和教育环境准确性的新基准。

这对你意味着什么？想象一个不会在你所在行业的行话上卡壳的语音助手。无论你是口述案件笔记的律师，还是录制讲座的老师，该模型都可能成为最终让语音AI真正有用的桥梁。

获取方式

该模型现已在阿里云百炼平台上线，提供三个版本。Flash版本支持长达5分钟的实时语音识别，非常适合快速交互。Filetrans版本专为离线文件转录而设计，非常适合处理录制的会议或讲座。对于需要连续实时识别的用户，Streaming版本可以满足需求。

那么，这是语音交互的最后一公里吗？随着AI不仅能“听到”，还能真正理解你所在领域重要的复杂术语，这或许就是。语音技术的未来正变得更加专业化——也更加人性化。

关键要点

• 医学术语准确率达到95.36%，其他行业也有显著提升。
• 全球排名第一，在Artificial Analysis上错误率为1.7%。
• 提供三个版本：Flash（实时，最长5分钟）、Filetrans（离线）和Streaming（连续）。
• 现已在阿里云百炼平台上线。
• 语音润色功能直接输出结构化文本，减少后期处理。