概要
Qwen3-ASR-Flashは、大規模言語モデルを基盤とする多言語音声認識モデルです。音声を入力してテキストを書き出し、言語の自動判別にも対応します。本モデルIDは2025年9月8日のスナップショット版で、公式のモデル更新一覧にも同日付で掲載されています。(help.aliyun.com)
能力と用途
日本語を含む複数言語の音声認識に対応します。録音された発話の文字起こしや音声データのテキスト化に利用できます。公式発表は、複雑な音声環境での認識能力も特徴として挙げています。(help.aliyun.com)
制限と提供状況
- 非リアルタイムの音声認識モデルです。公式の音声認識モデル一覧に掲載されていた本スナップショットの上限は、音声1件あたり5分・10 MBです。話者分離には対応していません。(help.aliyun.com)
- Alibaba Cloud Model Studioの公式通知は、本スナップショットを2026年10月10日の提供終了対象に挙げ、代替として
fun-asrを推奨しています。実際の変更時刻は通知上、実施状況によるため、利用可能性は契約先で確認してください。(alibabacloud.com)
料金
以下は本スナップショットについて確認できた過去の公式掲載価格であり、提供終了後の現行料金を保証するものではありません。音声入力の長さに対する秒単位の課金で、テキスト出力は課金対象外です。各価格の確認日は2026年11月18日です。
- 中国国内サイト、北京: 入力0.00022 CNY/秒、出力無料。旧料金表は本スナップショットを対象として掲載していましたが、現在の料金表にはスナップショットIDが個別には掲載されていません。中国国内サイトの公式料金表 (help.aliyun.com)
- 国際サイト、シンガポール: 入力0.000035 USD/秒、出力無料。提供終了通知にも本スナップショットのシンガポール価格として記載されています。国際サイトの公式料金表/提供終了通知 (docs.modelstudio.console.alibabacloud.com)