量子位
·
千问语音识别模型Qwen3-ASR开源！饶舌RAP歌曲也能轻松识别
💡
原文中文，约1300字，阅读约需3分钟。
📝
内容提要
阿里开源的Qwen3-ASR语音识别模型支持52种语言，能快速准确识别饶舌歌曲，处理5小时音频仅需10秒，适合AI硬件部署，开发者可免费下载使用。
🎯
关键要点
- 阿里开源的Qwen3-ASR语音识别模型支持52种语言与方言。
- Qwen3-ASR在多项评测中获得开源最佳（SOTA），性能接近顶级闭源模型。
- 该模型能快速准确识别饶舌歌曲，处理5小时音频仅需10秒。
- Qwen3-ASR系列包括1.7B和0.6B两个版本，适合AI硬件部署。
- 1.7B模型在复杂文本和噪声环境下表现优异，准确率高。
- 0.6B模型在性能与效率上实现最佳平衡，支持高并发服务。
- Qwen3-ASR支持多达30个语种和22个中文口音的识别。
- 阿里还开源了语音强制对齐模型Qwen3-ForcedAligner-0.6B。
- 阿里已开源超过400个模型，千问模型下载量突破10亿，成为全球第一开源模型家族。
❓
延伸问答
Qwen3-ASR语音识别模型支持哪些语言？
Qwen3-ASR支持52种语言与方言。
Qwen3-ASR模型的处理速度如何？
该模型能在10秒内处理5小时的音频。
Qwen3-ASR的不同版本有什么区别？
Qwen3-ASR有1.7B和0.6B两个版本，1.7B在复杂文本和噪声环境下表现优异，0.6B在性能与效率上实现最佳平衡。
Qwen3-ASR在饶舌歌曲识别方面的表现如何？
Qwen3-ASR能够快速准确地识别饶舌歌曲，适应语速超快的场景。
阿里开源的Qwen3-ASR模型有哪些应用场景？
该模型适合AI硬件部署，支持离线与在线推理，满足大规模部署和实时服务需求。
Qwen3-ASR的开源背景是什么？
阿里已开源超过400个模型，千问模型下载量突破10亿，成为全球第一开源模型家族。
➡️
