ZEGO 云端语音实时识别新增支持 Qwen-Audio-3.0-ASR-Flash-Streaming 模型
内容提要
2026年9月17日，ZEGO云端实时语音识别发布v2.4.0，新增支持Qwen-Audio-3.0-ASR-Flash-Streaming模型，可配置热词，支持中文、英语、日语等语种，通过ASR参数设置厂商、语种和模型；同时下架qwen3-asr-flash-realtime模型，原用户后续将被替换为新模型。
延伸解读
模型升级与迁移提醒
本次更新新增 Qwen-Audio-3.0-ASR-Flash-Streaming 模型，同时下架 qwen3-asr-flash-realtime 模型。若你仍在使用旧模型（ASR.Vendor 为 AliyunQwenASR），后续会被自动替换为新模型。建议提前检查现有实时语音识别任务配置，确认迁移后语种、热词等参数是否仍符合业务预期，避免因模型切换导致识别效果波动。
热词与多语种配置要点
新模型支持配置热词，并覆盖中文（含普通话及方言）、英语、日语等语种。创建实时语音识别任务时，可通过 ASR 参数设置厂商、语种和模型：厂商设为 AliyunQwenAudioASR，模型通过 payload.model 指定为 qwen-audio-3.0-asr-flash-streaming，语种通过 payload.parameters.language_hints 设置。若无法提前确定语种，可不设置，模型会自动识别。
适用场景与识别优化
该模型旨在提高不同场景下的语音识别准确率，适用于语音通话、视频直播、在线会议等实时音视频场景，可支撑实时字幕、翻译、会议纪要、直播内容总结等应用。通过配置热词，可针对特定领域词汇优化识别结果，减少专有名词或行业术语的误识别，提升字幕和转写的可用性。
Q&A
ZEGO 云端实时语音识别 v2.4.0 新增了哪个语音识别模型？
新增支持 Qwen-Audio-3.0-ASR-Flash-Streaming 语音识别模型。
Qwen-Audio-3.0-ASR-Flash-Streaming 模型支持哪些语种？
支持中文（普通话及各地方言）、英语、日语等语种。
如何在 ZEGO 实时语音识别中配置使用 Qwen-Audio-3.0-ASR-Flash-Streaming 模型？
在创建实时语音识别任务（StartRealtimeASRTask）时，通过 ASR 参数设置。具体：ASR.Vendor 设为 AliyunQwenAudioASR；payload.model 设为 qwen-audio-3.0-asr-flash-streaming；可通过 payload.parameters.language_hints 设置语种，如 ["zh"] 表示中文；还支持配置热词。
qwen3-asr-flash-realtime 模型下架后，原用户会怎样？
原 ASR.Vendor 为 AliyunQwenASR 的用户，若仍在使用该模型，后续会被替换为 Qwen-Audio-3.0-ASR-Flash-Streaming。
ZEGO 云端实时语音识别可以应用在哪些场景？
可用于语音通话、视频直播、在线会议等实时音视频场景，实现 1v1 语音通话实时字幕&翻译、在线会议实时字幕及会后纪要总结、全球直播字幕、直播间实时主播内容总结等。
Qwen-Audio-3.0-ASR-Flash-Streaming 模型是否支持自动识别语种？
支持。如果无法提前确定语种，可以不设置 language_hints 参数，模型会自动识别语种。
