Qwen3-ASR Flash

Spécifications et limites

• Construit sur la base Qwen3-Omni
• le modèle flash servi via API est propriétaire (les Qwen3-ASR 0.6B/1.7B ouverts sont des modèles différents)

selon docs officielles Alibaba ↗

Utilisez Qwen3-ASR Flash en 30 secondes

Compatible OpenAI : changez la base_url, gardez votre 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());

À propos de Qwen3-ASR Flash

• La documentation officielle met en avant la reconnaissance d'une trentaine de langues, dont cinq variantes chinoises (mandarin, sichuanais, hokkien, wu, cantonais), et une capacité qui manque à ses homologues Fun-ASR : la détection des émotions en même temps que la transcription.
• La série Qwen3-ASR est également saluée pour sa reconnaissance robuste de la parole mêlée à de la musique et à du chant.
• L'étiquetage des émotions est toujours actif et renvoie l'un de sept états (surpris, neutre, heureux, triste, dégoûté, en colère ou apeuré), et la détection de la langue est automatique dès que vous laissez la langue non renseignée, y compris pour un audio qui mélange les langues.
• La précision sur la terminologie métier se pilote autrement que dans la famille Fun-ASR : au lieu de téléverser des listes de mots-clés, vous injectez un texte de contexte avec la requête, ce qui convient à un vocabulaire qui change d'un appel à l'autre.
• Les horodatages au niveau du mot peuvent être activés pour un sous-ensemble documenté de langues, et la normalisation inverse du texte est disponible mais désactivée par défaut.
• L'audio est accepté dans un large ensemble de conteneurs et de codecs, et le modèle est joignable à la fois par une route compatible OpenAI et par l'interface synchrone propre à Alibaba.
• La diarisation des locuteurs n'est pas proposée, et le plafond de cinq minutes est ferme.
• Alibaba oriente les enregistrements plus longs vers un modèle de transcription de fichiers distinct.
• Synthorai le fournit via son endpoint de transcription compatible OpenAI.

FAQ

Modèles associés

Comparer