长音频不丢词，行业词不用教，阿里发布Qwen
我要评论7月31日，长音词阿里巴巴发布语音识别大模型Qwen-Audio-3.0-ASR-Flash，丢词在上下文一致性、行业行业词识别和热词定制化三个维度系统性升级，用教同时具备语音润色能力，阿里可直接输出结构化文本。发布
目前，长音词Qwen-Audio-ASR系列已在会议纪要整理、丢词实时字幕、行业教育录播、用教智能客服等场景中获得广泛验证，阿里离线版本曾在全球权威AI评测平台Artificial Analysis以1.7%的发布错字率位列全球第一。识准专业词汇，长音词是丢词ASR模型走向行业落地的最后一公里，也是行业本次升级的核心。全新升级的3.0版本，聚焦通用的语音识别能力，不止于把每个字听对，更要在复杂语境中持续听对、在专业领域中精准听对。
在会议、访谈、课程、直播等长音频场景中，很多专业术语、英文词汇等并不能只靠当前几秒的语音准确判断。同一个发音可能对应十几个同音词，模型必须记住前面说过什么，才能输出正确的那一个。Qwen-Audio-3.0-ASR-Flash新增长音频Context能力：模型在转写当前语音片段时，可参考近期已识别的上下文，延续同一话题中的关键词与语义线索，从而减少同音词误判，提升术语和中英文混合表达的识别准确率。在一场长达数小时的会议录音中，同一位发言人的名字、同一个技术概念，不会因为跨了多个语音片段就被忘记或认错。
上下文记忆解决了“说过的词不再认错”，而很多专业词汇在整场对话中可能只出现一次，模型需要在从未见过的情况下也能一次听对。传统方案中，行业词识别往往依赖人工维护词表，Qwen-Audio-3.0-ASR-Flash将这一过程内化为模型自身能力，无需人工逐一设置，即可在真实业务场景中持续进化。通过持续挖掘医疗、IT编程、股票、社会名人等领域的实体词，研究团队构建了覆盖多行业的高质量词库，并基于这些实体词合成相关训练数据，增强模型对专业术语和低频词的识别能力。在最新的行业词汇内部评测中，新模型的行业词召回率均有显著提升，其中医疗场景突破95.36%。
行业词库覆盖了通用场景，但各行各业还有自己的长尾词，比如人名、品牌名、产品名和各类行业黑话。这些词频率低、更新快，不可能全部预装进模型，热词定制正是为了让它们也能被精准识别。传统方案长期面临一个矛盾：热词加得越多，误触发越多，识别结果反而被带偏。Qwen-Audio-3.0-ASR-Flash对热词定制能力进行了全面升级，采用模型结合声学证据与上下文进行智能判断的方式，而非简单替换。在传入热词的条件下，热词定制化准确率在所有测试集均达到90%以上，多数场景更是突破99%。
此外，Qwen-Audio-3.0-ASR-Flash还具备语音润色能力：口语中的“那个”“嗯”等填充词被直接去除；说话时的自我修正，如“我们下周三评审，不对，是周四”只保留最终意图；散乱的口述可自动整理为结构化表达。更重要的是，这些润色由ASR模型在识别环节一步完成，无需再调用下游文本大模型，链路更短、延迟更低、使用成本也更低。
即日起，Qwen-Audio-3.0-ASR-Flash已在阿里云百炼平台开放调用，用户可前往体验。
相关文章
近日，支付宝与九识智能及菜鸟无人车达成即时运力深度合作。随着九识智能与菜鸟无人车在2026年实现深度战略整合、打造出全球规模最大的RoboVan联合车队后，此次九识智能联手国民级应用支付宝，将依托支付2026-10-01
国内最长!河南一高校寒假近3个月 学生都不乐意了发布时间：2018-03-02 17:49 来源:豫都网 我要投稿[摘要]元旦已经过完了，寒假还会远吗？ 近日，各地高校寒假安排相继出炉， 竟然最长寒假2026-10-01
2024年台湾地区领导人和民意代表选举13日举行。计票结果显示，民进党候选人赖清德、萧美琴当选台湾地区正副领导人。台湾地区立法机构113个席次中，中国国民党获得52席，民进党51席，台湾民众党8席，无2026-10-01
为强化医保政策执行，规范门诊慢特病管理，确保医保基金合理使用，近日，汉阴县人民医院组织开展门诊医保政策及慢特病管理专题培训。医保科围绕个人账户管理、普通门诊统筹，门诊慢特病报销比例、额度、享受周期、病2026-10-01
8月13日，工业和信息化部办公厅国家发改改变委办公厅发布《关于严禁产能置换严禁水泥平板玻璃行业新增产能的通知》，《通知》称近年来，各地区和有关方面认真贯彻落实党中点、国务院关于化解过剩产能的决策部署，2026-10-01
5月22日，苏商集团CEO俞文在苏商集团广西壮族自治区防城港总部会见防城港市金融服务办公室主任邓海桑一行，双方进行深入会谈。俞文在会谈中指出，苏商集团在广西各地项目的不断推进，体现出广西人民对2026-10-01
最新评论