Qwen3-ASR Flash Realtime

Especificaciones y límites

Esta variante en tiempo real no ofrece marcas de tiempo, hotwords ni diarización.

según documentación oficial de Alibaba ↗

Usa Qwen3-ASR Flash Realtime en 30 segundos

Compatible con OpenAI: cambia el base_url y conserva tu SDK. POST /v1/audio/transcriptions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.audio.transcriptions.create(
    model="qwen3-asr-flash-realtime",
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

import OpenAI from "openai";
import fs from "node:fs";

const client = new OpenAI({
  baseURL: "https://synthorai.io/v1",
  apiKey: "sk-syn-...",
});

const resp = await client.audio.transcriptions.create({
  model: "qwen3-asr-flash-realtime",
  file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);

curl https://synthorai.io/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-syn-..." \
  -F model="qwen3-asr-flash-realtime" \
  -F file=@meeting.mp3

package main

import (
	"context"
	"fmt"
	"os"

	"github.com/openai/openai-go/v3"
	"github.com/openai/openai-go/v3/option"
)

func main() {
	client := openai.NewClient(
		option.WithBaseURL("https://synthorai.io/v1"),
		option.WithAPIKey("sk-syn-..."),
	)
	f, _ := os.Open("meeting.mp3")
	resp, _ := client.Audio.Transcriptions.New(context.TODO(), openai.AudioTranscriptionNewParams{
		Model: "qwen3-asr-flash-realtime",
		File:  f,
	})
	fmt.Println(resp.Text)
}

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.audio.transcriptions.*;
import java.nio.file.Paths;

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://synthorai.io/v1")
    .apiKey("sk-syn-...")
    .build();

Transcription resp = client.audio().transcriptions().create(
    TranscriptionCreateParams.builder()
        .model("qwen3-asr-flash-realtime")
        .file(Paths.get("meeting.mp3"))
        .build()).asTranscription();
System.out.println(resp.text());

Acerca de Qwen3-ASR Flash Realtime

• Conserva las capacidades principales del modelo por lotes, incluidas la detección de emociones junto con la transcripción y el reconocimiento de aproximadamente treinta idiomas, desde cinco variantes del chino hasta inglés, japonés, coreano y muchos idiomas europeos y del sudeste asiático.
• Encaja con el subtitulado en directo y las aplicaciones de interacción por voz.
• Dos diferencias frente a su hermano basado en archivos determinan cómo se construye sobre él.
• Primera, la toma de turno es configurable de una forma que los otros modelos en streaming no ofrecen: un modo de detección de actividad de voz segmenta las intervenciones automáticamente usando un umbral de silencio ajustable, mientras que un modo manual deja los límites de frase en manos de su cliente, que confirma el búfer de audio por su cuenta, con la salvedad documentada de que los segmentos gestionados manualmente deben mantenerse dentro de aproximadamente un minuto de audio acumulado.
• Segunda, la documentación afirma sin rodeos que esta variante no devuelve marcas de tiempo por ahora, así que si necesita tiempos de palabra o de frase, el modelo offline es el indicado.
• El reconocimiento de emociones sigue estando siempre activo con los mismos siete estados, la detección de idioma sigue siendo automática, y no se admiten ni las listas de hotwords ni la diarización de hablantes.
• A través de Synthorai, el modelo es accesible mediante la API estándar compatible con OpenAI.

Preguntas frecuentes

Modelos relacionados

Comparar