Qwen3-ASR Flash

Especificaciones y límites

• Construido sobre la base Qwen3-Omni
• el modelo flash servido por API es propietario (los Qwen3-ASR abiertos de 0.6B/1.7B son modelos distintos)

según documentación oficial de Alibaba ↗

Usa Qwen3-ASR Flash 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",
    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",
  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" \
  -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",
		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")
        .file(Paths.get("meeting.mp3"))
        .build()).asTranscription();
System.out.println(resp.text());

Acerca de Qwen3-ASR Flash

• La documentación oficial destaca el reconocimiento de aproximadamente treinta idiomas, incluidas cinco variantes del chino (mandarín, sichuanés, hokkien, wu, cantonés), y una capacidad de la que carecen sus hermanos Fun-ASR: detectar la emoción junto con la transcripción.
• La serie Qwen3-ASR también se destaca por su reconocimiento robusto de voz mezclada con música y canto.
• El etiquetado de emociones está siempre activo y devuelve uno de siete estados (sorpresa, neutral, alegría, tristeza, asco, enfado o miedo), y la detección de idioma es automática siempre que se deje el idioma sin fijar, incluso para audio que mezcla idiomas.
• La precisión sobre terminología de dominio se guía de forma distinta a la de la familia Fun-ASR: en lugar de subir listas de hotwords, se inyecta texto de contexto con la solicitud, lo que encaja con vocabulario que cambia de una llamada a otra.
• Las marcas de tiempo a nivel de palabra pueden habilitarse para un subconjunto documentado de idiomas, y la normalización inversa de texto está disponible pero desactivada por defecto.
• El audio se acepta en un amplio conjunto de formatos de contenedor y códec, y el modelo es accesible tanto por una ruta compatible con OpenAI como por la interfaz síncrona propia de Alibaba.
• La diarización de hablantes no se ofrece, y el techo de cinco minutos es firme.
• Alibaba dirige las grabaciones más largas a un modelo de transcripción de archivos aparte.
• Synthorai lo entrega a través de su endpoint de transcripción compatible con OpenAI.

Preguntas frecuentes

Modelos relacionados

Comparar