Qwen-Audio-3.0-ASR-Flash-Filetrans

Qwen-Audio-3.0-ASR-Flash-Filetrans — сервис Alibaba для распознавания речи в уже записанных аудиофайлах. QwenCloud добавила его в каталог 30 июля 2026 года. В отличие от потоковой ASR-модели, файл загружается для обработки после завершения записи, а не передаётся модели во время разговора.

Транскрибация после записи

Обработка аудио как файла

Такой режим подходит для транскрипции интервью, лекций, архивных записей и других материалов, где не требуется вывод текста в момент произнесения. Документация QwenCloud перечисляет поддерживаемые форматы, ограничения длительности и способ постановки задачи в API; они могут зависеть от текущей версии интерфейса.

Поддержка языков и словаря

Диалекты, терминология и читабельная расшифровка

В релизе семейства ASR 3.0 отмечены семь крупных китайских диалектных групп, более двадцати региональных акцентов и 30 языков. Также заявлены контекстные подсказки, hotwords, улучшенная пунктуация и нормализация чисел, дат и денежных сумм. Для критически важных материалов расшифровку следует сверять с исходной записью.

Сравнение с другими ASR

Файловый и потоковый API решают разные задачи

Для распознавания ещё идущей речи предусмотрена Qwen-Audio-3.0-ASR-Flash-Streaming. Модель Qwen-Audio-3.0-ASR-Flash также предназначена для офлайн-транскрибации, но QwenCloud отдельно перечисляет обе версии и их идентификаторы.

Дата запуска

Модель API от 30 июля 2026 года

Официальный журнал относит Filetrans к выпуску Qwen-Audio-3.0-ASR 30 июля. Актуальные ограничения файла и стоимость нужно сверять в справке API перед загрузкой больших архивов.

Официальные источники: журнал моделей QwenCloud и руководство по распознаванию речи.

Сведения о разработчике и его моделях: Alibaba в Вики Futuretools.ru.