阿里发布语音识别大模型，医疗场景听写准确率突破 95%

阿里巴巴于 7 月 31 日发布了语音识别大模型 Qwen-Audio-3.0-ASR-Flash，旨在提升 AI 对专业词汇的理解能力。该模型在上下文一致性、行业词识别和热词定制化方面进行了优化，并具备语音润色功能，可直接输出结构化文本。研究团队从医疗、IT 编程、股票、社会名人等领域构建了高质量词库，显著提升了专业术语的识别率。在内部评测中，医疗场景的听写准确率突破 95.36%。目前，Qwen-Audio-ASR-Flash 系列已应用于会议纪要、实时字幕、教育录播和智能客服等场景，曾在 Artificial Analysis 平台上以 1.7%的错字率排名全球第一。新模型已通过阿里云百炼平台开放调用，提供 Flash、Filetrans 和 Streaming 三个版本，分别支持最长 5 分钟的语音识别、离线文件转写和实时语音识别。