Qwen发布Audio-3.0-ASR-Flash 医学召回率95%

发生了什么

Qwen 于 7 月 31 日发布了 Qwen-Audio-3.0-ASR-Flash 语音识别模型。根据官方公布，该模型在内部测试中实现了 95.36% 的医学术语召回率和 93.24% 的工业术语召回率。模型已通过阿里云模型服务上线，提供实时流式识别（Streaming）、录制文件转录（Filetrans）和非实时识别三种部署形态。

核心能力

Qwen-Audio-3.0-ASR-Flash 主打上下文一致性及领域术语识别，支持用户自定义热词，并能够将语音润色输出为结构化文本。这些设计面向医疗、工业等对术语准确性要求严格的场景，有助于降低专业词汇的误识率。模型提供灵活的部署选项，既可以接入实时交互系统，也支持离线批量处理。

对开发者意味着什么

借助阿里云模型服务的 API 调用，开发者可快速将上述能力集成到已有的录音质检、电子病历录入、工单语音记录等流程中。高术语召回率有望减少人工校准工作量，自定义热词功能则允许根据业务环境调整识别偏好。但工程落地时仍需关注实时流式模式的实际延迟与吞吐，以及在不同噪声条件下的鲁棒性表现。

当前边界

目前尚未披露模型的参数规模、推理速度及计算资源需求。官方未说明是否支持中文以外的语言，也未给出在公开基准（如 LibriSpeech、AISHELL）上的整体词错率对比。热词自定义的具体方式、词表大小限制及更新机制亦未公开。此外，模型是否开源、服务定价与免费额度等细节均未提及。内部测试数据集的规模和代表性也仍需进一步透明。