語音辨識概述

​

從閉源模型遷移到百鍊?

如果你正在使用 Whisper、Deepgram 或 Google 的語音辨識服務，可參考下表選擇對應的百鍊模型。

使用情境	閉源模型代表	百鍊推薦
即時識別	Deepgram Nova-3、Google Chirp 3	輸入法、語音訊息：qwen-audio-3.1-asr-flash-message 持續轉寫：qwen-audio-3.1-asr-flash-streaming
非即時 / 檔案轉寫	OpenAI gpt-4o-transcribe、Whisper	qwen-audio-3.0-asr-flash-filetrans、qwen-audio-3.0-asr-flash

本文按“先選維度、再看模型”的順序協助您完成選型：先從“選型決策維度”（即時/非即時、專業術語、說話人分離、情感識別）確認情境；再到“推薦模型”查看針對各情境的首選；如需更多版本可在“所有模型”按系列展開；最後到“音頻規格”核對輸入檔案約束。各模型支援的語言（含方言）隨附在“所有模型”的各系列子節內。

​

選型決策維度

從以下 4 個維度逐項確認，每個維度都會推薦適配的模型。

​

即時還是非即時？

即時是指在使用者說話的同時輸出識別結果，非即時是指錄音結束後再進行轉寫。

• 即時語音辨識透過 WebSocket 串流輸入音訊。依使用情境選擇：
  • 輸入法、語音訊息等短段語音輸入：推薦 qwen-audio-3.1-asr-flash-message，首字和整體延遲較低，支援文字潤色，並在一段語音結束後整理最終結果。
  • 會議、課堂記錄等持續轉寫情境：推薦 qwen-audio-3.1-asr-flash-streaming，適合邊轉寫邊閱讀、對中間結果準確性要求較高的應用。
• 非即時（錄音檔案識別）：基於HTTP協議，提交音頻檔案擷取識別結果。適用於話務中心錄音、播客和訪談等情境。推薦使用 qwen-audio-3.0-asr-flash-filetrans（熱詞、Prompt上下文、說話人分離）。

Qwen-Audio-ASR-Streaming 和 Fun-ASR-Realtime 系列模型還支援通過 AOQ 協議接入；如果是用戶端對接，且更看重穩定的延遲、弱網下的互動能力、即時雙工的降噪與回聲消除，可優先考慮 AOQ，協議對比與選型請參見Realtime API 概述。 Qwen-Audio-ASR-Streaming、Qwen-Audio-ASR-Filetrans，以及 Fun-ASR 和 Qwen-ASR 的即時模型支援通過 DashScope SDK（Java、Python）接入。其他模型需根據對應的 WebSocket 或 HTTP 協議直接調用。 選擇即時接入請參考即時語音辨識，選擇非即時接入請參考非即時語音辨識。

​

處理專業術語

兩種方式，按靈活性排序：

1. Prompt上下文注入：在系統提示詞中描述您的領域背景，無需預配置。模型在每次請求時自適應。推薦使用 qwen-audio-3.0-asr-flash-streaming、qwen-audio-3.0-asr-flash-filetrans 和 qwen-audio-3.0-asr-flash 模型。
2. 熱詞：提供帶權重的詞彙表。推薦使用 qwen-audio-3.0-asr-flash-streaming、qwen-audio-3.0-asr-flash-filetrans 和 qwen-audio-3.0-asr-flash 模型。

qwen-audio-3.1-asr-flash-message 支援即時熱詞、預編譯熱詞以及對話上下文增強。透過 vocabulary 或 vocabulary_id 設定熱詞；透過 input.context 傳入前幾輪使用者轉寫與助手回覆。參數定義請參見 用戶端事件。

​

說話人分離

Qwen-Audio-ASR-Filetrans 系列（qwen-audio-3.0-asr-flash-filetrans）以及 Fun-ASR 系列的非即時模型（fun-asr）支援說話人分離。如果您需要區分“誰說了什麼”，推薦使用 qwen-audio-3.0-asr-flash-filetrans。

​

情感識別

Qwen-ASR 系列模型在轉寫的同時支援情感識別。推薦使用 qwen3-asr-flash-realtime（即時）或 qwen3-asr-flash-filetrans（非即時）。

​

推薦模型

以下為各情境下最推薦的模型，可前往模型廣場查看詳情。

模型ID	模式	API	精度增強	情感識別	說話人分離	支援語言	音頻最大時間長度/大小
qwen-audio-3.1-asr-flash-message	即時	WebSocket	熱詞、上下文	不支援	不支援	多語種及方言	—
qwen-audio-3.0-asr-flash-streaming	即時	WebSocket	熱詞、Prompt上下文	不支援	不支援	多語種及方言	無限制
qwen-audio-3.0-asr-flash-filetrans	非即時	HTTP	熱詞、Prompt上下文	不支援	支援	多語種及方言	12小時 / 2GB

​

所有模型

​

Qwen-Audio-ASR-Message

模型ID	模式	API	精度增強	情感識別	說話人分離	支援語言	音頻最大時間長度/大小
qwen-audio-3.1-asr-flash-message	即時	WebSocket	熱詞、上下文	不支援	不支援	多語種及方言	—

支援的語言：

• qwen-audio-3.1-asr-flash-message：中文（普通話、粵語、吳語、閩南語、客家話、贛語、湘語、晉語；並支援中原、西南、冀魯、江淮、蘭銀、膠遼、東北、北京、港台等，包括河南、陝西、湖北、四川、重慶、雲南、貴州、廣東、廣西、河北、天津、山東、安徽、南京、江蘇、杭州、甘肅、寧夏等地區官話口音）、英語、日語、韓語、越南語、泰語、印尼語、馬來語、菲律賓語、印地語、阿拉伯語、法語、德語、西班牙語、葡萄牙語、俄語、意大利語、荷蘭語、瑞典語、丹麥語、芬蘭語、挪威語、希臘語、波蘭語、捷克語、匈牙利語、羅馬尼亞語、保加利亞語、克羅地亞語、斯洛伐克語

​

Qwen-Audio-ASR-Streaming

模型ID	模式	API	精度增強	情感識別	說話人分離	支援語言	音頻最大時間長度/大小
qwen-audio-3.0-asr-flash-streaming	即時	WebSocket	熱詞、Prompt上下文	不支援	不支援	多語種及方言	無限制

支援的語言（按版本）：

• qwen-audio-3.1-asr-flash-streaming、qwen-audio-3.0-asr-flash-streaming：中文（普通話、粵語、吳語、閩南語、客家話、贛語、湘語、晉語；並支援中原、西南、冀魯、江淮、蘭銀、膠遼、東北、北京、港台等，包括河南、陝西、湖北、四川、重慶、雲南、貴州、廣東、廣西、河北、天津、山東、安徽、南京、江蘇、杭州、甘肅、寧夏等地區官話口音）、英語、日語、韓語、越南語、泰語、印尼語、馬來語、菲律賓語、印地語、阿拉伯語、法語、德語、西班牙語、葡萄牙語、俄語、意大利語、荷蘭語、瑞典語、丹麥語、芬蘭語、挪威語、希臘語、波蘭語、捷克語、匈牙利語、羅馬尼亞語、保加利亞語、克羅地亞語、斯洛伐克語

​

Qwen-Audio-ASR-Filetrans

模型ID	模式	API	精度增強	情感識別	說話人分離	支援語言	音頻最大時間長度/大小
qwen-audio-3.0-asr-flash-filetrans	非即時	HTTP	熱詞、Prompt上下文	不支援	支援	多語種及方言	12小時 / 2GB

支援的語言（按版本）：

• qwen-audio-3.1-asr-flash-filetrans、qwen-audio-3.0-asr-flash-filetrans：中文（普通話、粵語、吳語、閩南語、客家話、贛語、湘語、晉語；並支援中原、西南、冀魯、江淮、蘭銀、膠遼、東北、北京、港台等，包括河南、陝西、湖北、四川、重慶、雲南、貴州、廣東、廣西、河北、天津、山東、安徽、南京、江蘇、杭州、甘肅、寧夏等地區官話口音）、英語、日語、韓語、越南語、泰語、印尼語、馬來語、菲律賓語、印地語、阿拉伯語、法語、德語、西班牙語、葡萄牙語、俄語、意大利語、荷蘭語、瑞典語、丹麥語、芬蘭語、挪威語、希臘語、波蘭語、捷克語、匈牙利語、羅馬尼亞語、保加利亞語、克羅地亞語、斯洛伐克語

​

Qwen-Audio-ASR

模型ID	模式	API	精度增強	情感識別	說話人分離	支援語言	音頻最大時間長度/大小
qwen-audio-3.0-asr-flash	非即時	HTTP	熱詞、Prompt上下文	不支援	不支援	多語種及方言	5分鐘 / 2GB

支援的語言（按版本）：

• qwen-audio-3.1-asr-flash、qwen-audio-3.0-asr-flash：中文（普通話、粵語、吳語、閩南語、客家話、贛語、湘語、晉語；並支援中原、西南、冀魯、江淮、蘭銀、膠遼、東北、北京、港台等，包括河南、陝西、湖北、四川、重慶、雲南、貴州、廣東、廣西、河北、天津、山東、安徽、南京、江蘇、杭州、甘肅、寧夏等地區官話口音）、英語、日語、韓語、越南語、泰語、印尼語、馬來語、菲律賓語、印地語、阿拉伯語、法語、德語、西班牙語、葡萄牙語、俄語、意大利語、荷蘭語、瑞典語、丹麥語、芬蘭語、挪威語、希臘語、波蘭語、捷克語、匈牙利語、羅馬尼亞語、保加利亞語、克羅地亞語、斯洛伐克語

​

Fun-ASR

模型ID	模式	API	精度增強	情感識別	說話人分離	支援語言	音頻最大時間長度/大小
fun-asr-realtime	即時	WebSocket	熱詞	不支援	不支援	多語種及方言	無限制
fun-asr-realtime-2026-02-28	即時	WebSocket	熱詞	不支援	不支援	中、英、日及方言	無限制
fun-asr-flash-8k-realtime	即時	WebSocket	熱詞	不支援	不支援	中文	無限制
fun-asr-flash-8k-realtime-2026-01-28	即時	WebSocket	熱詞	不支援	不支援	中文	無限制
fun-asr	非即時	HTTP	熱詞	不支援	支援	多語種及方言	12小時 / 2GB
fun-asr-flash-2026-06-15	非即時	HTTP	Prompt上下文	不支援	不支援	多語種及方言	5分鐘 / 2GB

支援的語言（按版本）：

• Fun-ASR-Realtime 主要版本（fun-asr-realtime）：中文（普通話、粵語、吳語、閩南語、客家話、贛語、湘語、晉語；並支援中原、西南、冀魯、江淮、蘭銀、膠遼、東北、北京、港台等，包括河南、陝西、湖北、四川、重慶、雲南、貴州、廣東、廣西、河北、天津、山東、安徽、南京、江蘇、杭州、甘肅、寧夏等地區官話口音）、英語、日語、韓語、越南語、泰語、印尼語、馬來語、菲律賓語、印地語、阿拉伯語、法語、德語、西班牙語、葡萄牙語、俄語、意大利語、荷蘭語、瑞典語、丹麥語、芬蘭語、挪威語、希臘語、波蘭語、捷克語、匈牙利語、羅馬尼亞語、保加利亞語、克羅地亞語、斯洛伐克語
• fun-asr-realtime-2026-02-28：中文（普通話、粵語、吳語、閩南語、客家話、贛語、湘語、晉語；並支援中原、西南、冀魯、江淮、蘭銀、膠遼、東北、北京、港台等，包括河南、陝西、湖北、四川、重慶、雲南、貴州、廣東、廣西、河北、天津、山東、安徽、南京、江蘇、杭州、甘肅、寧夏等地區官話口音）、英語、日語
• Fun-ASR-Flash-Realtime（8K）（fun-asr-flash-8k-realtime、fun-asr-flash-8k-realtime-2026-01-28）：中文
• Fun-ASR 主要版本（fun-asr）：中文（普通話、粵語、吳語、閩南語、客家話、贛語、湘語、晉語；並支援中原、西南、冀魯、江淮、蘭銀、膠遼、東北、北京、港台等，包括河南、陝西、湖北、四川、重慶、雲南、貴州、廣東、廣西、河北、天津、山東、安徽、南京、江蘇、杭州、甘肅、寧夏等地區官話口音）、英語、日語、韓語、越南語、泰語、印尼語、馬來語、菲律賓語、印地語、阿拉伯語、法語、德語、西班牙語、葡萄牙語、俄語、意大利語、荷蘭語、瑞典語、丹麥語、芬蘭語、挪威語、希臘語、波蘭語、捷克語、匈牙利語、羅馬尼亞語、保加利亞語、克羅地亞語、斯洛伐克語
• Fun-ASR-Flash（fun-asr-flash-2026-06-15）：中文（普通話、粵語、吳語、閩南語、客家話、贛語、湘語、晉語；並支援中原、西南、冀魯、江淮、蘭銀、膠遼、東北、北京、港台等，包括河南、陝西、湖北、四川、重慶、雲南、貴州、廣東、廣西、河北、天津、山東、安徽、南京、江蘇、杭州、甘肅、寧夏等地區官話口音）、英語、日語、韓語、越南語、泰語、印尼語、馬來語、菲律賓語、印地語、阿拉伯語、法語、德語、西班牙語、葡萄牙語、俄語、意大利語、荷蘭語、瑞典語、丹麥語、芬蘭語、挪威語、希臘語、波蘭語、捷克語、匈牙利語、羅馬尼亞語、保加利亞語、克羅地亞語、斯洛伐克語

​

Qwen-ASR

模型ID	模式	API	精度增強	情感識別	說話人分離	支援語言	音頻最大時間長度/大小
qwen3-asr-flash-realtime	即時	WebSocket	不支援	支援	不支援	多語種及方言	無限制
qwen3-asr-flash-filetrans	非即時	HTTP	不支援	支援	不支援	多語種及方言	12小時 / 2GB
qwen3-asr-flash	非即時	HTTP（OpenAI相容）	不支援	支援	不支援	多語種及方言	5分鐘 / 10MB

支援的語言：所有 Qwen-ASR 系列模型（qwen3-asr-flash-realtime、qwen3-asr-flash-filetrans、qwen3-asr-flash）均支援相同的語言列表：中文（普通話、四川話、閩南語、吳語、粵語）、英語、日語、德語、韓語、俄語、法語、葡萄牙語、阿拉伯語、意大利語、西班牙語、印地語、印尼語、泰語、土耳其語、烏克蘭語、越南語、捷克語、丹麥語、菲律賓語、芬蘭語、冰島語、馬來語、挪威語、波蘭語、瑞典語。

​

Paraformer

Paraformer 是較早一代的 ASR 模型，包括即時與非即時兩類。若您的業務允許，建議遷移到前文推薦的 Fun-ASR 或 Qwen-ASR。

模型ID	API	說明
paraformer-realtime-v2	WebSocket	即時識別，中、英、日、韓、德、法、俄
paraformer-realtime-8k-v2	WebSocket	即時識別，8kHz電話情境，中文
paraformer-v2	HTTP	錄音檔案識別，支援說話人分離，中、英、日、韓、德、法、俄
paraformer-8k-v2	HTTP	錄音檔案識別，8kHz電話情境，中文

支援的語言（按版本）：

• paraformer-realtime-v2、paraformer-v2：中文（普通話、粵語、吳語、閩南語、東北話、甘肅話、貴州話、河南話、湖北話、湖南話、寧夏話、山西話、陝西話、山東話、四川話、天津話、江西話、雲南話、上海話）、英文、日語、韓語、德語、法語、俄語
• paraformer-realtime-8k-v2、paraformer-8k-v2：中文普通話

​

音頻規格

下表匯總了即時和非即時兩種模式下的音頻規格（輸入方式、格式、採樣率、大小/時間長度）。各模型支援的語言（含方言）見上文“所有模型”內對應系列子節。

​

即時

模型ID	輸入方式	音頻格式	採樣率	大小/時間長度
qwen-audio-3.1-asr-flash-message	二進位（Binary）流	pcm、wav、mp3、opus、speex、aac、amr	16 kHz	—
Qwen-Audio-ASR-Streaming系列（qwen-audio-3.0-asr-flash-streaming等）	二進位（Binary）流	pcm、wav、mp3、opus、speex、aac、amr	任意	不限
Fun-ASR-Realtime系列（fun-asr-realtime等）	二進位（Binary）流	pcm、wav、mp3、opus、speex、aac、amr	任意	不限
Fun-ASR-Flash-8K-Realtime系列（fun-asr-flash-8k-realtime等）	二進位（Binary）流	同 Fun-ASR-Realtime	8 kHz	不限
qwen3-asr-flash-realtime	二進位（Binary）流	pcm、opus	8 kHz、16 kHz	不限
paraformer-realtime-v2、paraformer-realtime-8k-v2	二進位（Binary）流	同 Fun-ASR-Realtime	paraformer-realtime-v2 任意；paraformer-realtime-8k-v2 8 kHz	不限

所有即時模型均為單聲道輸入。

​

非即時

模型ID	輸入方式	音頻格式	採樣率	檔案大小/時間長度
Qwen-Audio-ASR-Filetrans系列（qwen-audio-3.0-asr-flash-filetrans等）	公網可訪問的檔案 URL，單次 1 個	aac、amr、avi、flac、flv、m4a、mkv、mov、mp3、mp4、mpeg、ogg、opus、wav、webm、wma、wmv	任意	≤2 GB；≤12 小時（啟用說話人分離建議 ≤2 小時）
qwen-audio-3.0-asr-flash	URL / Base64，單次 1 個	aac、amr、avi、flac、flv、m4a、mkv、mov、mp3、mp4、mpeg、ogg、opus、wav、webm、wma、wmv	任意	≤2 GB；≤5 分鐘
fun-asr	公網可訪問的檔案 URL，單次 1 個	aac、amr、avi、flac、flv、m4a、mkv、mov、mp3、mp4、mpeg、ogg、opus、wav、webm、wma、wmv	任意	≤2 GB；≤12 小時（啟用說話人分離建議 ≤2 小時）
fun-asr-flash-2026-06-15	URL / Base64，單次 1 個	aac、amr、avi、flac、flv、m4a、mkv、mov、mp3、mp4、mpeg、ogg、opus、wav、webm、wma、wmv	任意	≤2 GB；≤5 分鐘
paraformer-v2、paraformer-8k-v2	同 Fun-ASR	同 Fun-ASR	paraformer-v2 任意；paraformer-8k-v2 僅 8 kHz	同 Fun-ASR
qwen3-asr-flash-filetrans	公網可訪問的檔案 URL，單次 1 個	aac、amr、avi、flac、flv、m4a、mkv、mov、mp3、mp4、mpeg、ogg、opus、wav、webm、wma、wmv	pcm 必須 16 kHz；其他格式任意（服務端會重採樣為 16 kHz 再識別）	≤2 GB；≤12 小時
qwen3-asr-flash	URL / Base64 / 本地檔案絕對路徑，單次 1 個	aac、amr、avi、aiff、flac、flv、mkv、mp3、mpeg、ogg、opus、wav、webm、wma、wmv	pcm 必須 16 kHz；其他格式任意（服務端會重採樣為 16 kHz 再識別）	≤10 MB；≤5 分鐘