导语：7月31日，阿里巴巴发布语音辨认年夜模子Qwen-Audio-3.0-ASR-Flash，于上下文一致性、行业词辨认及热词定制化三个维度体系性进级，同时具有语音润

7月31日，阿里巴巴发布语音辨认年夜模子Qwen-Audio-3.0-ASR-Flash，于上下文一致性、行业词辨认及热词定制化三个维度体系性进级，同时具有语音修饰能力，可直接输出布局化文本。

今朝，Qwen-Audio-ASR系列已经于集会记要收拾、及时字幕、教诲录播、智能客服等场景中得到广泛验证，离线版本曾经于全世界权势巨子AI评测平台Artificial Analysis以1.7%的错字率位列全世界第一。识准专业辞汇，是ASR模子走向行业落地的末了一千米，也是本次进级的焦点。全新进级的3.0版本，聚焦通用的语音辨认能力，不止在把每一个字听对于，更要于繁杂语境中连续听对于、于专业范畴中精准听对于。

于集会、访谈、课程、直播等长音频场景中，许多专业术语、英文辞汇等其实不能只靠当前几秒的语音正确判定。统一个发音可能对于应十几个同音词，模子必需记住前面说过甚么，才能输出准确的那一个。Qwen-Audio-3.0-ASR-Flash新增加音频Context能力：模子于转写当前语音片断时，可参考近期已经辨认的上下文，延续统一话题中的要害词与语义线索，从而削减同音词误判，晋升术语及中英文混淆表达的辨认正确率。于一场长达数小时的集会灌音中，统一位讲话人的名字、统一个技能观点，不会由于跨了多个语音片断就被健忘或者认错。

上下文影象解决了“说过的词再也不认错”，而许多专业辞汇于整场对于话中可能只呈现一次，模子需要于从未见过的环境下也能一次听对于。传统方案中，行业词辨认往往依靠人工维护词表，Qwen-Audio-3.0-ASR-Flash将这一历程内化为模子自身能力，无需人工一一设置，便可于真实营业场景中连续进化。经由过程连续挖掘医疗、IT编程、股票、社会名人等范畴的实体词，研究团队构建了笼罩多行业的高质量词库，并基在这些实体词合成相干练习数据，加强模子对于专业术语及低频词的辨认能力。于最新的行业辞汇内部评测中，新模子的行业词召回率均有显著晋升，此中医疗场景冲破95.36%。

行业词库笼罩了通用处景，但各行各业还有有本身的长尾词，好比人名、品牌名、产物名及各种行业黑话。这些词频率低、更新快，不成能全数预装进模子，热词定制恰是为了让它们也能被精准辨认。传统方案持久面对一个抵牾：热词加患上越多，误触发越多，辨认成果反而被带偏。Qwen-Audio-3.0-ASR-Flash对于热词定制能力举行了周全进级，采用模子联合声学证据与上下文举行智能判定的方式，而非简朴替代。于传入热词的前提下，热词定制化正确率于所有测试集均到达90%以上，大都场景更是冲破99%。

此外，Qwen-Audio-3.0-ASR-Flash还有具有语音修饰能力：白话中的“阿谁”“嗯”等填充词被直接去除了；措辞时的自我批改，如“咱们下周三评审，不合错误，是周四”只保留终极用意；狼藉的口述可主动收拾为布局化表达。更主要的是，这些修饰由ASR模子于辨认环节一步完成，无需再挪用下流文本年夜模子，链路更短、延迟更低、利用成本也更低。

本日起，Qwen-Audio-3.0-ASR-Flash已经于阿里云百炼平台开放挪用，用户可前去体验。