模型定位
Qwen3-ASR-Flash 是基于大语言模型的多语种语音识别模型。该版本是 2025 年 9 月 8 日的快照,输入音频并输出识别文本。阿里云模型上架公告将其列于 2025 年 9 月 8 日。(help.aliyun.com)
能力与用途
模型可自动判断语种并进行语音转写;官方发布公告称其可识别 11 种语言,并面向复杂音频环境进行识别。适用于短录音、语音消息和口述内容转写等场景。(help.aliyun.com)
限制与服务状态
- 这是非实时录音识别版本,不应与实时版本混淆。官方语音模型文档的历史页面列出该快照单次音频上限为 5 分钟、10 MB,且不支持说话人分离;当前适用限制应以服务实际配置为准。(help.aliyun.com)
- 官方模型信息历史页面列出该快照不支持 Function Calling、结构化输出、联网搜索、上下文缓存、批量推理和模型调优。(help.aliyun.com)
- 阿里云国际站公告将该快照列入计划于 2026 年 10 月 10 日退役的模型,实际变更时间以实施情况为准;公告建议迁移至
fun-asr。该公告不足以确认其他地区的服务状态。(alibabacloud.com)
价格
以下为官方公开的原币种价格,查询日期均为 2026 年 11 月 18 日;历史报价不代表模型当前仍可调用。
- 中国站,华北 2(北京):历史报价为输入音频 0.00022 CNY/秒,输出不计费。官方模型信息的历史索引页面曾将该价格列在本快照下;当前模型价格页面已不再单列此快照,因此其当前可用报价未核实。来源:阿里云模型信息及中国站模型价格。(help.aliyun.com)
- 国际站,新加坡:历史报价为输入音频 0.000035 USD/秒;退役公告的输出价格栏为
/,未列独立输出价格。该价格来自官方退役公告,不应视为其他区域或当前可调用状态的承诺。来源:国际站模型退役公告。(alibabacloud.com)