阿里云新语音识别模型攻克行业术语与长会议难题

7月31日，阿里巴巴通义千问团队正式发布了Qwen-Audio-3.0-ASR，这是一款语音识别大模型，承诺能够处理长音频而不丢失词语，并且无需额外训练即可识别行业特定术语。该模型现已在阿里云百炼平台上可用。

这次发布有何特别之处？让我们分解五个关键升级，它们解决了语音识别中一些最令人沮丧的痛点。

长音频上下文记忆

你是否曾尝试转录三个小时的会议，却发现AI忘记了第一个小时的内容？有了这个模型，那已成为过去。它可以参考之前的上下文，在整个会议期间保持名称和技术概念的一致性。不再有跳跃且不连贯的“碎片化”转录。

内置行业词典

专业人士最大的头疼问题之一是让AI识别晦涩的行话。Qwen-Audio-3.0-ASR预装了各种行业的词典。例如，它在医学术语上的召回率达到95.36%，在IT编程术语上达到91.87%。这意味着你无需手动配置任何东西——只需开始说话，模型就能正确识别。

分层热词定制

对于企业特定的词汇，该模型允许你添加自定义热词，这些热词会立即生效。在大多数场景中，这实现了超过99%的召回率。而且关键在于：即使你添加了大量热词，也不会触发误报。因此，你可以放心定制，而不用担心模型出错。

集成语音润色

我们都见过转录文本中充斥着“嗯”、“啊”和重复的短语。这个模型一次性清理所有这些。它去除填充词，处理重复和自我纠正，甚至按语义重新组织内容。结果如何？转录文本读起来几乎像经过人工编辑使用两步“ASR + 大模型”方法润色过一样流畅。

多语言支持

在我们全球化的世界中，会议经常跨越多种语言。这个单一模型支持超过30种语言，在七种关键语言上的平均语义错误率仅为17.09%。这优于Azure和Gemini等行业巨头，使其成为国际会议和海外客户服务的理想选择。

但等等，还有更多。除了Flash版本，阿里巴巴还推出了Qwen-Audio-3.0-ASR-Streaming，专为实时场景设计。它声称理论字符输出延迟仅为300毫秒，在工业环境中，中文的字符错误率为7.80%，英文为11.52%——均领先行业。

该系列已在全球引起轰动，在Artificial Analysis评估中以1.7%的错误率排名第一。它被广泛应用于从会议记录、实时字幕到教育录音和智能客服的各种场景。

所以，无论你是口述患者笔记的医生、解释代码的开发者，还是协调国际团队的项目经理，这个新模型都可能成为最终让语音识别为你所用的工具。

关键要点