Qwen3-ASR Flash

Especificações e limites

• Construído sobre a base Qwen3-Omni
• o modelo flash servido pela API é proprietário (os Qwen3-ASR 0.6B/1.7B abertos são modelos diferentes)

conforme documentação oficial da Alibaba ↗

Use o Qwen3-ASR Flash em 30 segundos

Compatível com OpenAI: troque a base_url, mantenha seu 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());

Sobre o Qwen3-ASR Flash

• A documentação oficial destaca reconhecimento em cerca de trinta idiomas, incluindo cinco variantes do chinês (mandarim, sichuanês, hokkien, wu, cantonês), e uma capacidade que seus irmãos Fun-ASR não têm: detecção de emoção junto à transcrição.
• A série Qwen3-ASR também é notada pelo reconhecimento robusto de fala misturada com música e canto.
• A rotulagem de emoção fica sempre ativa e retorna um de sete estados (surpreso, neutro, feliz, triste, enojado, irritado ou com medo), e a detecção de idioma é automática sempre que você deixa o idioma sem definir, inclusive para áudio que mistura idiomas.
• A precisão em terminologia de domínio é guiada de forma diferente da família Fun-ASR: em vez de enviar listas de hotwords, você injeta texto de contexto com a requisição, o que combina com vocabulário que muda de chamada para chamada.
• Timestamps por palavra podem ser ativados para um subconjunto documentado de idiomas, e a normalização inversa de texto está disponível, mas desligada por padrão.
• O áudio é aceito em um amplo conjunto de formatos de contêiner e codec, e o modelo é alcançável tanto por uma rota compatível com OpenAI quanto pela interface síncrona da própria Alibaba.
• A diarização de locutores não é oferecida, e o teto de cinco minutos é firme.
• A Alibaba encaminha gravações mais longas para um modelo separado de transcrição de arquivos.
• A Synthorai o entrega pelo seu endpoint de transcrição compatível com OpenAI.

Perguntas frequentes

Modelos relacionados

Comparar