模型定位
Qwen3-ASR-Flash-Realtime 是基于大语言模型的实时多语种语音识别模型,将持续输入的音频转写为文本。指定快照版本为 qwen3-asr-flash-realtime-2025-10-27。(help.aliyun.com)
能力与用途
- 支持自动语种检测、多语言及中文方言识别,可用于实时字幕、语音输入和会议记录等场景。发布公告称其可识别 11 种语言;较新的模型文档列出了更广的语言与方言范围。(help.aliyun.com)
- 通过 WebSocket 进行实时识别;支持配置语音活动检测(VAD),也可关闭 VAD,由客户端提交音频控制断句。(help.aliyun.com)
限制与可用性
- 实时输入须为单声道,在 JSON 事件中发送 Base64 编码音频;支持 PCM、Opus 格式及 8 kHz、16 kHz 采样率。文档所列音频大小和时长不限。(help.aliyun.com)
- 官方模型对比表列明不支持精度增强和说话人分离;识别结果仍可能受音频环境及输入质量影响。(help.aliyun.com)
- 阿里云国际站公告将指定快照版本列入 2026 年 10 月 10 日退役名单,并推荐
fun-asr-realtime替代;实际变更时间以服务为准。该公告针对的是所列快照,不能据此推断不带日期的模型 ID 在所有地区均已退役。(alibabacloud.com)
发布日期
官方发布记录在中国(北京)区域列出 2025 年 10 月 27 日;国际服务部署范围的记录列出 2025 年 10 月 29 日。(help.aliyun.com)
价格
按输入音频时长计费,输出文本不另计费。以下为官方页面所列价格,不同站点和地域的报价不应视为可直接换算的同一套餐;查询日期均为 2026 年 11 月 17 日。(help.aliyun.com)
- **阿里云国内站,中国(北京):**稳定版
qwen3-asr-flash-realtime输入为人民币(CNY)0.00033 元/秒,输出不计费。官方国内定价 (help.aliyun.com) - **Alibaba Cloud 国际站,新加坡、国际部署范围:**稳定版输入为美元(USD)0.000090 美元/秒,输出不计费;退役公告亦为指定快照列出该新加坡价格。官方国际定价 (alibabacloud.com)
- **Alibaba Cloud 国际站,中国(北京):**稳定版输入为 USD 0.000047 美元/秒,输出不计费。官方国际定价 (alibabacloud.com)