7 月 31 日，阿里巴巴发布语音识别大模型 Qwen-Audio-3.0-ASR-Flash，在上下文一致性、行业词识别和热词定制化三个维度系统性升级，同时具备语音润色能力，可直接输出结构化文本。

目前，Qwen-Audio-ASR 系列已在会议纪要整理、实时字幕、教育录播、智能客服等场景中获得广泛验证，离线版本曾在全球权威 AI 评测平台 Artificial Analysis 以 1.7% 的错字率位列全球第一。识准专业词汇，是 ASR 模型走向行业落地的最后一公里，也是本次升级的核心。全新升级的 3.0 版本，聚焦通用的语音识别能力，不止于把每个字听对，更要在复杂语境中持续听对、在专业领域中精准听对。

在会议、访谈、课程、直播等长音频场景中，很多专业术语、英文词汇等并不能只靠当前几秒的语音准确判断。同一个发音可能对应十几个同音词，模型必须记住前面说过什么，才能输出正确的那一个。Qwen-Audio-3.0-ASR-Flash 新增长音频 Context 能力：模型在转写当前语音片段时，可参考近期已识别的上下文，延续同一话题中的关键词与语义线索，从而减少同音词误判，提升术语和中英文混合表达的识别准确率。在一场长达数小时的会议录音中，同一位发言人的名字、同一个技术概念，不会因为跨了多个语音片段就被忘记或认错。

上下文记忆解决了 " 说过的词不再认错 "，而很多专业词汇在整场对话中可能只出现一次，模型需要在从未见过的情况下也能一次听对。传统方案中，行业词识别往往依赖人工维护词表，Qwen-Audio-3.0-ASR-Flash 将这一过程内化为模型自身能力，无需人工逐一设置，即可在真实业务场景中持续进化。通过持续挖掘医疗、IT 编程、股票、社会名人等领域的实体词，研究团队构建了覆盖多行业的高质量词库，并基于这些实体词合成相关训练数据，增强模型对专业术语和低频词的识别能力。在最新的行业词汇内部评测中，新模型的行业词召回率均有显著提升，其中医疗场景突破 95.36%。

行业词库覆盖了通用场景，但各行各业还有自己的长尾词，比如人名、品牌名、产品名和各类行业黑话。这些词频率低、更新快，不可能全部预装进模型，热词定制正是为了让它们也能被精准识别。传统方案长期面临一个矛盾：热词加得越多，误触发越多，识别结果反而被带偏。Qwen-Audio-3.0-ASR-Flash 对热词定制能力进行了全面升级，采用模型结合声学证据与上下文进行智能判断的方式，而非简单替换。在传入热词的条件下，热词定制化准确率在所有测试集均达到 90% 以上，多数场景更是突破 99%。

此外，Qwen-Audio-3.0-ASR-Flash 还具备语音润色能力：口语中的 " 那个 "" 嗯 " 等填充词被直接去除；说话时的自我修正，如 " 我们下周三评审，不对，是周四 " 只保留最终意图；散乱的口述可自动整理为结构化表达。更重要的是，这些润色由 ASR 模型在识别环节一步完成，无需再调用下游文本大模型，链路更短、延迟更低、使用成本也更低。

即日起，Qwen-Audio-3.0-ASR-Flash 已在阿里云百炼平台开放调用，用户可前往体验。