阿里巴巴通义推出Qwen3-ASR-Toolkit，实现高级转录功能

阿里巴巴通义千问团队发布了Qwen3-ASR-Toolkit，这是一款开源的Python命令行工具，旨在革新音视频转录技术。这一创新突破了Qwen3-ASR-Flash API此前三分钟的限制，可实现长达数小时内容的无缝转录。

增强功能

该工具包采用智能语音活动检测（VAD）技术确保转录过程中的句子完整性。它能自动将音频文件重新采样为16kHz单声道以获得最佳处理效果，并支持多线程并行上传，显著缩短处理时间。

广泛格式支持

基于FFmpeg构建的工具包支持几乎所有主流音视频格式，包括：

• MP4、MOV、MKV（视频）
• MP3、WAV、M4A（音频） 这种灵活性消除了用户的兼容性顾虑。

基于Qwen3-ASR-Flash驱动

底层Qwen3-ASR-Flash模型的训练数据包括：

• 海量多模态数据集
• 数千万小时的ASR数据 这一基础使其具备行业领先的语音识别准确率。

该工具包已在GitHub发布：Qwen3-ASR-Toolkit

关键亮点：

📌 突破此前仅限3分钟的转录时长限制，支持长达数小时内容
🎤 采用先进VAD技术实现精准语句分割
💻 支持并行处理以加快转写速度
🔊 兼容几乎所有主流音视频格式