7 月 31 日，阿里巴巴 -W（09988.HK）正式发布新一代语音识别大模型 Qwen-Audio-3.0-ASR-Flash。据介绍，该模型主要在上下文一致性、行业词识别和热词定制化三个维度做了系统性的优化，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-Flash 系列已经在会议纪要整理、实时字幕、教育录播、智能客服等场景里得到广泛验证，曾在全球权威 AI 评测平台 Artificial Analysis 上，以 1.7% 的错字率拿下全球第一。对语音识别来说，能否准确识别专业词汇，往往是其真正在行业里用起来的关键。

Qwen-Audio-3.0-ASR 现已通过阿里云百炼平台开放调用，提供三个版本：Qwen-Audio-3.0-ASR-Flash（语音识别，最长 5 分钟）、Qwen-Audio-3.0-ASR-Filetrans（离线文件转写）和 Qwen-Audio-3.0-ASR-Streaming（实时语音识别）。