Qwen3-ASR-Flash是一款基于大语言模型的高精度、高智能、高鲁棒性的多语种语音识别模型。依托强大的基座模型、海量的文本与多模态数据、千万小时音频数据，通义千问3-ASR-Flash实现了高精度的语音识别功能，能够自动判断语种并准确识别 11 个语种的语音，在复杂的音频环境下能够保证精确转录。该模型版本功能等同于快照模型 qwen3-asr-flash-2025-09-08-us。
推理服务供应商
qwen3-asr-flash-us模型的推理服务供应商为阿里云百炼。
模型能力
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Audio | 输出模态 | Text |
模型体验 | 不支持 | Function Calling | 不支持 |
结构化输出 | 不支持 | 联网搜索 | 不支持 |
前缀续写 | 不支持 | 上下文缓存 | 不支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
上下文限制
| 参数 | 值 | 参数 | 值 |
|---|---|---|---|
最大输入长度 | — | 最大输出长度 | — |
上下文长度 | — |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往百炼控制台查看活动优惠。
- 美国（弗吉尼亚）
部署范围：美国
| 计费项 | 价格（美元） | 单位 |
|---|---|---|
音频时长 | 0.000035 | 每秒 |
限流
- 美国（弗吉尼亚）
部署范围：美国
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 100 |
快照版本
qwen3-asr-flash-2025-09-08-us
Qwen3-ASR-Flash是一款基于大语言模型的高精度、高智能、高鲁棒性的多语种语音识别模型。依托强大的基座模型、海量的文本与多模态数据、千万小时音频数据，Qwen3-ASR-Flash实现了高精度的语音识别功能，能够自动判断语种并准确识别 11 个语种的语音，在复杂的音频环境下能够保证精确转录。此版本为2025年9月8日的快照版本。
推理服务供应商
qwen3-asr-flash-2025-09-08-us模型的推理服务供应商为阿里云百炼。
模型能力
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Audio | 输出模态 | Text |
模型体验 | 不支持 | Function Calling | 不支持 |
结构化输出 | 不支持 | 联网搜索 | 不支持 |
前缀续写 | 不支持 | 上下文缓存 | 不支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
上下文限制
| 参数 | 值 | 参数 | 值 |
|---|---|---|---|
最大输入长度 | — | 最大输出长度 | — |
上下文长度 | — |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往百炼控制台查看活动优惠。
- 美国（弗吉尼亚）
部署范围：美国
| 计费项 | 价格（美元） | 单位 |
|---|---|---|
音频时长 | 0.000035 | 每秒 |
限流
- 美国（弗吉尼亚）
部署范围：美国
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 100 |