Qwen3-ASR Flash

Specifiche e limiti

• Costruito sulla base Qwen3-Omni
• il modello flash servito via API è proprietario (i Qwen3-ASR 0.6B/1.7B aperti sono modelli diversi)

fonte: documentazione ufficiale Alibaba ↗

Usa Qwen3-ASR Flash in 30 secondi

Compatibile OpenAI: cambia la base_url, tieni il tuo 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());

Informazioni su Qwen3-ASR Flash

• La documentazione ufficiale evidenzia il riconoscimento su circa trenta lingue, incluse cinque varianti cinesi (mandarino, sichuanese, hokkien, wu, cantonese), e una capacità che manca ai suoi simili Fun-ASR: il rilevamento dell'emozione accanto alla trascrizione.
• La serie Qwen3-ASR è anche nota per il riconoscimento robusto del parlato mescolato con musica e canto.
• L'etichettatura delle emozioni è sempre attiva e restituisce uno di sette stati (sorpreso, neutro, felice, triste, disgustato, arrabbiato o impaurito), e il rilevamento della lingua è automatico ogni volta che si lascia la lingua non impostata, anche per audio che mescola più lingue.
• L'accuratezza sulla terminologia di dominio si guida in modo diverso rispetto alla famiglia Fun-ASR: invece di caricare liste di hotword, si inietta testo di contesto insieme alla richiesta, cosa che si adatta a un vocabolario che cambia da chiamata a chiamata.
• I timestamp a livello di parola possono essere abilitati per un sottoinsieme documentato di lingue, e la normalizzazione inversa del testo è disponibile ma disattivata per impostazione predefinita.
• L'audio è accettato in un ampio insieme di formati contenitore e codec, e il modello è raggiungibile sia tramite una rotta compatibile OpenAI sia tramite l'interfaccia sincrona di Alibaba.
• La diarizzazione dei parlanti non è offerta e il tetto dei cinque minuti è rigido.
• Alibaba instrada le registrazioni più lunghe verso un modello separato di trascrizione su file.
• Synthorai lo eroga tramite il suo endpoint di trascrizione compatibile OpenAI.

FAQ

Modelli correlati

Confronta