Alibaba Cloud: Qwen3 ASR Flash
qwen3-asr-flash- Preis
- Ab $0.000035
- Modalitäten
- Audio
Über Qwen3 ASR Flash
Qwen3 ASR Flash ist Alibabas Spracherkennungsmodell für kurze Clips, das synchron aufgerufen wird und optionalen Kontexttext akzeptiert, der dem Modell mitteilt, worüber der Sprecher spricht. Es verarbeitet Dateien bis zu etwa 5 Minuten und 10 MB und fügt seiner Ausgabe immer ein Emotions-Tag hinzu. Es ist die schnelle Option innerhalb der Qwen3 ASR-Familie, neben Filetrans für lange Dateien und Realtime für Streams.
Stärken
- Optionaler Kontexttext hilft bei Namen und Fachvokabular in kurzen Aufnahmen.
- Synchrone Aufrufe geben das Transkript direkt zurück, ohne dass eine Job-Warteschlange abgefragt werden muss.
- Die Emotionserkennung ist dauerhaft aktiviert, was für die Analyse von Anrufen und Feedback nützlich ist.
- Bietet einen OpenAI-kompatiblen API-Stil, was die Migration von anderen Transkriptions-Clients erleichtert.
Alternativen
- Alibaba begrenzt Eingaben auf etwa 10 MB und 5 Minuten, daher benötigen lange Audiodateien Qwen3 ASR Flash Filetrans.
- Es streamt nicht; für Live-Eingaben wird Qwen3 ASR Flash Realtime benötigt.
Erste Schritte
API-Schlüssel erstellen
Erstelle einen Schlüssel in Console und nutze ihn mit jedem Modell auf der Plattform.
Senden Sie Ihre erste Anfrage
Kopieren Sie das Beispiel für Ihre Sprache und führen Sie es gegen den Endpunkt aus.
Sprache zu TextTokenLab-EndpunktPOST/v1/audio/transcriptionscurl -X POST "https://api.tokenlab.sh/v1/audio/transcriptions" \ -H "Authorization: Bearer sk-xxx" \ -F file="@audio.mp3" \ -F operation="stt" \ -F response_format="json" \ -F model="qwen3-asr-flash" \ -F language="en"
Parameter
Sprache zu Text
| Parameter | Werte und Grenzen | Standardwert | Hinweise |
|---|---|---|---|
file | Eingaben: ≥ 1, ≤ 1 | Nicht angegeben | Send one audio file in multipart/form-data. Maximum file size is 25 MiB. |
language | Nicht angegeben | Nicht angegeben | This field is accepted. The current public contract does not specify a complete value range or list. No additional values are promised. The omitted-field default is not verified. |
prompt | Nicht angegeben | Nicht angegeben | Nicht angegeben |
response_format | json, text, verbose_json | json | Nicht angegeben |
Preise
Der Verified-Preis gilt für Verified und ist bei den meisten Modellen günstiger. Der Official-Preis ist der veröffentlichte Preis des Modellherstellers und gilt für die zuverlässigere Official-Route. Auto rechnet die Route ab, die die Anfrage abschließt.
Sprache zu Text
pro Sekunde- Official-Preis
- $0.000035
- Verified-Preis
- —
- Rabatt
- —
| Official-Preispro Sekunde | Verified-Preispro Sekunde | Rabatt | |
|---|---|---|---|
| Sprache zu Text | $0.000035 | — | — |
Nutzung & Aktivität
Die Erfolgsquote ist der Anteil abgeschlossener Anfragen. Die Latenz ist die Dauer einer vollständigen Antwort; P95 bedeutet, dass 95 % der Anfragen innerhalb dieser Zeit abgeschlossen wurden.
Nutzung & Verfügbarkeit
Letzte 24 Stunden- Anfragen
- Erfolgsrate
- P95-Latenz
- Token gesamt
Die Daten basieren auf aggregierten Benutzeranfragen, Statusprüfungen sind ausgeschlossen.
In Console öffnen
Öffne Qwen3 ASR Flash in Console mit einer bearbeitbaren oder versandbereiten Eingabeaufforderung.
Teste qwen3-asr-flash mit einer kurzen Audio-Anfrage an /v1/audio/transcriptions. Zeige Ergebnis und Kosten.
Anwendungsfälle
Sprachnachrichten
Transkribieren Sie kurze Chat-Sprachnachrichten und behalten Sie bei jeder ein Emotions-Tag bei.
Fachspezifische Clips
Geben Sie eine Zeile zum Thema an, wie etwa eine Liste von Medikamenten- oder Motornamen, um die Erkennung seltener Begriffe zu verbessern.
Einfache Migration
Verweisen Sie einen bestehenden OpenAI-kompatiblen Transkriptions-Client darauf, um die Erkennungsqualität Ihrer eigenen Audiodaten zu testen.
Prompt-Beispiele
Transkribieren Sie diese 40-sekündige Sprachnotiz; Kontext: eine Diskussion über Kubernetes-Cluster-Upgrades.
Transkribieren Sie diesen kurzen Support-Clip und notieren Sie die Emotion des Sprechers.
Transkribieren Sie diesen Interview-Clip; Kontext: Gäste namens Zhang Wei und Li Na.
FAQ
Was sind die Eingabelimits von Qwen3 ASR Flash?
Alibaba gibt etwa 10 MB und 5 Minuten pro synchronem Aufruf an. Für längere Aufnahmen verwenden Sie Qwen3 ASR Flash Filetrans, das bis zu 2 GB und 12 Stunden asynchron verarbeitet.
Was bewirkt die Kontext-Option?
Sie übergeben Text, der das Thema beschreibt oder Namen und Begriffe auflistet, und das Modell verwendet diesen, um mehrdeutige Wörter aufzulösen. Dies ist bei kurzen Clips mit seltenem Vokabular am nützlichsten.
Erkennt es Emotionen?
Ja. Alibaba gibt an, dass die Emotionserkennung für die Qwen3 ASR Flash-Modelle dauerhaft aktiviert ist, sodass ein Emotions-Tag ohne spezielles Anforderungs-Flag Teil des Ergebnisses ist.
Ist die API OpenAI-kompatibel?
Alibaba listet für diese Familie einen OpenAI-kompatiblen Zugriff auf. Überprüfen Sie die Dokumentation von Alibaba auf die genauen Anforderungsfelder, da nicht jeder Parameter der Clients anderer Anbieter unterstützt wird.
Was kostet Qwen3 ASR Flash?
Auf TokenLab kostet Qwen3 ASR Flash $0.000035 pro Sekunde. Die vollständige Aufschlüsselung steht in der Preistabelle oben. Die Preise hängen von Abrechnungseinheit, Spezifikation und Nutzung ab. Vergleichen Sie gleiche Bedingungen in der detaillierten Preisliste des Modells; eine einzelne Rate bestimmt nicht die Gesamtkosten.
Welchen Endpunkt soll Qwen3 ASR Flash verwenden?
Verwenden Sie https://api.tokenlab.sh/v1/audio/transcriptions für Qwen3 ASR Flash. Das folgende Anforderungsbeispiel zeigt die passende Code-Struktur.
Welche Operationen unterstützt Qwen3 ASR Flash?
Qwen3 ASR Flash unterstützt Sprache zu Text. Wählen Sie oben einen Vorgang aus, um dessen Endpunkt und Anforderungsbeispiel anzuzeigen.
Qwen3 ASR Flash vergleichen
Quellen
- Model Studio: recording file recognition models
- Model Studio: speech-to-text models for real-time and file transcription
Geprüft am 02.10.2026
