2026年7月31日，阿里巴巴正式发布语音识别大模型Qwen-Audio-3.0-ASR-Flash，该模型针对专业词汇识别做了系统性优化，内置覆盖医疗、IT、金融等多领域的高质量词库，医疗场景词汇听中率达95.36%。此前该系列模型曾在国际评测平台Artificial Analysis上以1.7%的错字率拿下全球第一，目前已落地多个商用场景。
长期以来，专业场景的语音转写始终是AI语音识别的核心痛点：生僻的医疗术语、行业专属缩写、随时迭代的产业热词，往往会让通用语音识别模型出现大量错漏，不少场景下人工修正的成本甚至超过转写本身，专业级语音识别的准确率也成为行业公认的技术门槛。
本次推出的Qwen-Audio-3.0-ASR-Flash，核心优化方向正是解决专业词汇识别不准的问题。研发团队在上下文一致性、行业词识别、热词定制化三个维度做了系统性升级，同时内置了语音润色模块，可自动过滤语气词、调整语序，直接输出逻辑通顺的结构化文本。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号