阿里巴巴新语音识别模型医学词汇准确率达95%

阿里巴巴正式发布了其最新的语音识别模型Qwen-Audio-3.0-ASR-Flash，其明确使命是：帮助AI真正理解各行业的专业语言。该模型在三个关键领域进行了微调——上下文一致性、行业特定词汇识别和热词定制——并且还具备语音润色功能，可以直接输出结构化文本。

该模型的研究团队一直在从医疗保健、IT编程、股票市场和社会媒体名人等不同领域挖掘专业词汇。他们构建了一个涵盖多个领域的综合词汇数据库。在内部评估中，该模型在各行业的“听力准确率”上表现出显著提升，其中医疗场景达到了令人印象深刻的95.36%。

三个版本，五个场景，一个榜首

Qwen-Audio-ASR-Flash系列已在会议记录、实时字幕、教育录制和智能客服等实际应用中证明了其价值。在AI评估平台Artificial Analysis上，它以仅1.7%的错误率夺得全球第一。这清楚表明，AI语音转文字已达到在办公和教育场景中真正实用的可靠性水平。

现在，该模型可通过阿里云百炼平台访问，提供三个版本：Flash版用于最长5分钟的实时识别，Filetrans版用于离线文件转录，Streaming版用于连续实时识别。当AI不仅“听到”而且理解你所在领域的复杂术语时，语音交互的最后一公里或许终于触手可及。

关键要点

• 医学词汇准确率： 内部测试中达到95.36%。
• 全球排名： 在Artificial Analysis上以1.7%的错误率位列第一。
• 三个版本： Flash（实时，最长5分钟）、Filetrans（离线）、Streaming（连续）。
• 可用平台： 阿里云百炼平台。
• 目标用例： 会议、字幕、教育、客服。