長音頻不丟詞，行業詞不用教，阿里發佈Qwen-Audio-3.0-ASR-Flash

阿里巴巴於7月31日正式發布語音識別大模型Qwen-Audio-3.0-ASR-Flash，這次升級鎖定長音頻轉寫、專業術語辨識與熱詞定製三大方向，同時加入語音潤色功能，能直接輸出結構化文本。新模型即日起已在阿里雲百鍊平台開放調用，企業用戶與開發者可前往體驗。在語音識別領域，將每一個字都聽對只是基本功，真正考驗模型能耐的，是在會議、訪談、課程、直播這類長時間音頻中能否維持穩定的辨識品質。Qwen-Audio-3.

0-ASR-Flash此次新增長音頻Context能力，模型在轉寫當前語音片段時，會參考近期已識別的上下文，延續同一段對話中的關鍵詞與語義線索，藉此降低同音字誤判的機率，並提升中英文夾雜表達的辨識準確率。過去長音頻轉寫經常遇到的痛點在於，同一個發音可能對應十幾個同音詞，模型若只看當下幾秒鐘的語音，往往無法判斷該寫哪一個字。有了上下文記憶之後，在一場長達數小時的會議錄音中，同一位發言人的名字、同一個技術概念，不會因為跨越了多個語音片段就被遺忘或認錯。這項能力解決了「說過的詞不再認錯」的問題。然而，許多專業詞彙在整場對話中可能只出現一次，模型必須在從未見過的情況下也能一次聽對。

傳統方案中，行業詞識別高度依賴人工維護詞表，需要花費大量人力逐一建立與更新。Qwen-Audio-3.0-ASR-Flash將這一過程內化為模型自身的能力，無需人工逐一設置，即可在真實業務場景中持續進化。研究團隊透過持續挖掘醫療、IT編程、股票、社會名人等領域的實體詞，構建了覆蓋多個行業的高品質詞庫，並基於這些實體詞合成相關訓練數據，強化模型對專業術語與低頻詞的辨識能力。根據最新的行業詞彙內部評測，新模型的各項行業詞召回率均有顯著提升，其中醫療場景的表現尤為突出，突破了95.36%。行業詞庫固然涵蓋了通用場景，但各行各業仍存在大量長尾詞，例如特定人名、品牌名、產品名以及各類行業內部慣用語。

這些詞語出現頻率低、更新速度快，不可能全部預先安裝進模型之中，因此熱詞定製就成為滿足客製化需求的關鍵功能。傳統熱詞方案長期存在一個矛盾：熱詞加得越多，誤觸發的機率也越高，識別結果反而容易被帶偏。Qwen-Audio-3.0-ASR-Flash對熱詞定製能力進行了全面升級，改採模型結合聲學證據與上下文進行智能判斷的方式，而非簡單的詞彙替換。在傳入熱詞的條件下，熱詞定製化準確率在所有測試集均達到90%以上，多數場景更突破99%。除了辨識能力本身，Qwen-Audio-3.0-ASR-Flash還具備語音潤色功能。

舉例來說，口語中常見的「那個」「嗯」等填充詞會直接被去除；說話時出現的自我修正，例如「我們下週三評審，不對，是週四」，模型只會保留最終意圖；散亂的口述內容也能自動整理為結構化的表達方式。更重要的是，這些潤色工作由ASR模型在識別環節一步完成，不需要再另外呼叫下游的文本大模型，整體鏈路更短、延遲更低，使用成本也相對節省。對於需要即時字幕、會議紀要整理等應用場景而言，這項設計能帶來更直接的使用效益。目前Qwen-Audio-ASR系列已在會議紀要整理、實時字幕、教育錄播、智能客服等場景中獲得廣泛驗證。離線版本曾在全球權威AI評測平台Artificial Analysis上以1.

7%的錯字率位居全球第一，顯示該系列模型在語音識別領域具備國際級競爭力。從技術演進的角度來看，語音識別模型要真正走向行業落地，識準專業詞彙被視為「最後一公里」的關鍵挑戰。此次發布的3.0版本聚焦通用語音識別能力的全面提升，目標不僅是讓每個字都聽對，更要在複雜語境中持續聽對、在專業領域中精準聽對，為各行各業的語音應用提供更可靠的技術基礎。