阿里通義推出 Qwen3-ASR-Toolkit，實現音視頻轉錄新突破

近日，阿里通義 Qwen 團隊發佈了一款名爲 Qwen3-ASR-Toolkit 的開源 Python 命令行工具。這款工具旨在爲用戶提供更爲便捷的音視頻轉錄服務，特別是在音頻時長方面，突破了 Qwen3-ASR-Flash API 的三分鐘限制，能夠實現小時級的快速轉錄。這一新工具的推出，無疑爲需要進行大規模音頻轉錄的用戶提供了強有力的支持。

Qwen3-ASR-Flash 是通義千問系列中最新的語音識別模型，經過海量多模態數據及千萬小時規模的自動語音識別（ASR）數據訓練而成。它的強大性能爲用戶提供了高準確率的語音識別能力，使得長時間的音頻和視頻內容可以被有效轉錄成文本，極大地提升了工作效率。

Qwen3-ASR-Toolkit 採用了智能靜音切分技術（VAD），確保轉錄過程中句子的完整性。同時，該工具能夠自動將任意採樣率的音頻文件重採樣爲16kHz 單聲道，以提高處理效果。此外，它還支持多線程並行上傳分片的功能，這一特性顯著縮短了總耗時，使得用戶在使用過程中體驗更加流暢。

在支持的媒體格式方面，Qwen3-ASR-Toolkit 基於 FFmpeg，幾乎涵蓋了所有主流音頻和視頻格式，包括 mp4、mov、mkv、mp3、wav、m4a 等，這使得用戶在進行音視頻轉錄時，能夠更加靈活地選擇文件類型，無需擔心格式兼容問題。

github:https://github.com/QwenLM/Qwen3-ASR-Toolkit

劃重點:  

📌 阿里通義推出 Qwen3-ASR-Toolkit，突破音頻轉錄時間限制，支持小時級轉錄。  

🎤 該工具基於最新的 Qwen3-ASR-Flash 模型，確保高準確率的語音識別。  

💻 支持多種音視頻格式，用戶可以靈活選擇，提升音視頻轉錄效率。