7月31日，阿里通義千問正式發佈語音識別大模型Qwen-Audio-3.0-ASR-Flash，主打"長音頻不丟詞、行業詞不用教"，已在阿里雲百鍊平臺開放調用。

新模型在五大維度實現升級:

一是長音頻上下文記憶，轉寫時可參考前文語義，幾小時會議中的人名、技術概念全程保持一致，告別跨片段"斷片";

二是內置多行業詞庫，醫療場景專業詞召回率達95.36%，IT編程達91.87%，無需人工配置即可精準識別冷門術語;

三是分級熱詞定製，企業專屬詞彙即時生效，多數場景召回率突破99%，不因熱詞增多而誤觸發;四是集成語音潤色，一步完成去口頭禪、清理重複、處理自我糾正和語義重組，輸出可讀性接近"ASR+大模型潤色"兩步方案;

五是一套模型覆蓋30餘種語言，七語種平均語義錯誤率17.09%，優於Azure、Gemini等同業模型，適配跨國會議和出海客服場景。

同步推出的Qwen-Audio-3.0-ASR-Streaming面向實時場景，理論出字延遲300毫秒，中文工業場景錯字率7.80%，英文11.52%，領跑行業。該系列此前已在Artificial Analysis評測中以1.7%錯字率拿下全球第一，廣泛應用於會議紀要、實時字幕、教育錄播、智能客服等領域。