☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
7月31日，阿里巴巴通义实验室正式推出新一代语音识别大模型——Qwen-Audio-3.0-ASR-Flash，聚焦“长音频精准不漏词、垂直领域术语零配置”，目前已在阿里云百炼平台全面开放API调用。
本次升级涵盖五大核心能力突破：
第一，强化长时序上下文建模能力，支持跨小时级音频语义连贯理解，会议中人物名称、专有技术名词等关键信息全程统一，彻底解决传统ASR在分段处理时的语义断裂问题；
第二，预置多行业高精度词库，医疗领域专业术语识别召回率达95.36%，IT与编程类词汇达91.87%，开箱即用，无需额外标注或微调；
Gemini Notebook网页版是一款基于AI的智能笔记工具，其核心功能是让用户上传个人文档（如PDF、文本等），并以此为基础进行交互。它能针对你的资料进行总结、解答疑问、生成新内容，让信息处理更高效。该版本为在线使用，无需下载安装。
第三，支持分级热词动态注入机制，企业专属术语可秒级生效，主流业务场景下召回率普遍超99%，且不受热词规模扩大影响识别稳定性；
第四，原生集成智能语音后处理模块，自动过滤填充词、合并重复表达、修正自我更正语句，并进行逻辑性语义重构，输出质量直逼“ASR识别+大模型二次润色”的组合效果；
第五，单模型原生支持30余种语言识别，中、英、日、韩、法、西、德七种主流语言平均语义错误率为17.09%，显著优于Azure Speech、Gemini Audio等竞品，在跨国会议记录与海外本地化客服场景中表现突出。
与此同时，配套发布的Qwen-Audio-3.0-ASR-Streaming专为低延迟实时语音识别设计，理论端到端出字延迟低至300毫秒，中文工业级错字率为7.80%，英文为11.52%，综合指标位居业界前列。该系列模型此前已在Artificial Analysis权威评测中以1.7%的错字率斩获全球榜首，现已规模化落地于智能会议纪要生成、直播实时字幕、在线教育课程录制、多模态智能客服等实际业务场景。
