Alibaba Cloud: Qwen3 ASR Flash
qwen3-asr-flash- Precio
- Desde $0.000035
- Modalidades
- Audio
Sobre Qwen3 ASR Flash
Qwen3 ASR Flash es el modelo de reconocimiento de voz para clips cortos de Alibaba, que se invoca de forma sincrónica y acepta texto de contexto opcional que le indica de qué está hablando el interlocutor. Maneja archivos de hasta unos 5 minutos y 10 MB, y siempre etiqueta la emoción en su salida. Es la opción rápida dentro de la familia Qwen3 ASR, junto con Filetrans para archivos largos y Realtime para transmisiones en vivo.
Puntos fuertes
- El texto de contexto opcional ayuda con nombres y vocabulario especializado en grabaciones cortas.
- Las llamadas sincrónicas devuelven la transcripción directamente, sin colas de trabajo que consultar.
- El reconocimiento de emociones está activado permanentemente, lo cual es útil para el análisis de llamadas y comentarios.
- Ofrece un estilo de API compatible con OpenAI, lo que facilita la migración desde otros clientes de transcripción.
Cuándo buscar otra opción
- Alibaba limita las entradas a cerca de 10 MB y 5 minutos, por lo que el audio largo requiere Qwen3 ASR Flash Filetrans.
- No realiza transmisiones en vivo; la entrada en tiempo real necesita Qwen3 ASR Flash Realtime.
Primeros pasos
Crear clave API
Genera una clave en Console y úsala con cualquier modelo de la plataforma.
Envía tu primera solicitud
Copia el ejemplo para tu lenguaje y ejecútalo contra el endpoint.
Voz a textoEndpoint de TokenLabPOST/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"
Parámetros
Voz a texto
| Parámetro | Valores y límites | Predeterminado | Notas |
|---|---|---|---|
file | Entradas: ≥ 1, ≤ 1 | No especificado | Send one audio file in multipart/form-data. Maximum file size is 25 MiB. |
language | No especificado | No especificado | 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 | No especificado | No especificado | No especificado |
response_format | json, text, verbose_json | json | No especificado |
Precios
El precio Verified se aplica a Verified, que cuesta menos en la mayoría de los modelos. El precio Official es el precio publicado por el fabricante del modelo y se aplica a la ruta Official, más fiable. Auto factura la ruta que completa la solicitud.
Voz a texto
por segundo- Precio Official
- $0.000035
- Precio Verified
- —
- Descuento
- —
| Precio Officialpor segundo | Precio Verifiedpor segundo | Descuento | |
|---|---|---|---|
| Voz a texto | $0.000035 | — | — |
Uso y actividad
La tasa de éxito es la proporción de solicitudes completadas. La latencia es cuánto tarda una respuesta completa; P95 significa que el 95 % de las solicitudes terminaron dentro de ese tiempo.
Uso y disponibilidad
Últimas 24 horas- Solicitudes
- Tasa de éxito
- Latencia P95
- Total de tokens
Los datos se basan en solicitudes de usuario agregadas, excluyendo las comprobaciones de estado.
Abrir en Console
Abre Qwen3 ASR Flash en Console con un prompt listo para editar o enviar.
Ayúdame a probar qwen3-asr-flash con una solicitud de audio breve en /v1/audio/transcriptions. Muestra el resultado y el coste.
Casos de uso
Mensajes de voz
Transcriba mensajes de voz cortos de chat y mantenga una etiqueta de emoción junto a cada uno.
Clips de dominio
Proporcione una línea sobre el tema, como una lista de nombres de medicamentos o motores, para mejorar el reconocimiento de términos poco comunes.
Migración directa
Apunte un cliente de transcripción existente de estilo OpenAI hacia él para probar la calidad del reconocimiento en su propio audio.
Ejemplos de prompts
Transcriba esta nota de voz de 40 segundos; contexto: una discusión sobre actualizaciones de clústeres de Kubernetes.
Transcriba este clip de soporte corto y observe la emoción del hablante.
Transcriba este clip de entrevista; contexto: invitados llamados Zhang Wei y Li Na.
FAQ
¿Cuáles son los límites de entrada de Qwen3 ASR Flash?
Alibaba indica aproximadamente 10 MB y 5 minutos por llamada sincrónica. Para grabaciones más largas, utilice Qwen3 ASR Flash Filetrans, que maneja hasta 2 GB y 12 horas de forma asincrónica.
¿Qué hace la opción de contexto?
Usted proporciona texto que describe el tema o enumera nombres y términos, y el modelo lo utiliza para resolver palabras ambiguas. Es más útil en clips cortos con vocabulario poco común.
¿Detecta emociones?
Sí. Alibaba afirma que el reconocimiento de emociones está activado permanentemente para los modelos Qwen3 ASR Flash, por lo que una etiqueta de emoción forma parte del resultado sin necesidad de una bandera de solicitud.
¿La API es compatible con OpenAI?
Alibaba indica acceso compatible con OpenAI para esta familia. Consulte la documentación de Alibaba para conocer los campos de solicitud exactos, ya que no todos los parámetros de los clientes de otros proveedores son compatibles.
¿Cuánto cuesta Qwen3 ASR Flash?
En TokenLab, Qwen3 ASR Flash cuesta $0.000035 por segundo. La tabla de precios arriba muestra el desglose completo. Las tarifas dependen de la unidad de facturación, la especificación y el uso. Compare condiciones iguales en el precio detallado del modelo; una sola tarifa no determina el coste total.
¿Qué endpoint debe usar Qwen3 ASR Flash?
Utiliza https://api.tokenlab.sh/v1/audio/transcriptions para Qwen3 ASR Flash. El ejemplo de solicitud a continuación muestra la estructura de código correspondiente.
¿Qué operaciones soporta Qwen3 ASR Flash?
Qwen3 ASR Flash admite Voz a texto. Selecciona una operación arriba para ver su endpoint y ejemplo de solicitud.
Comparar Qwen3 ASR Flash
Fuentes
- Model Studio: recording file recognition models
- Model Studio: speech-to-text models for real-time and file transcription
Revisado el 2 oct 2026
