长音频不丢词，行业词不用教，阿里发布Qwen-Audio-3.0-ASR-Flash

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。Qw