Alibaba Cloud: Qwen3 ASR Flash

Qwen3 ASR Flash mengenali ucapan dalam file audio dengan panduan kontekstual opsional. Model ini berguna untuk rekaman pendek yang berisi nama atau kosakata spesialis yang terbantu oleh petunjuk tentang apa yang sedang dibahas oleh pembicara.

Bandingkan model

qwen3-asr-flash

TersediaAlibaba CloudUcapan ke TeksSinkronkan

Harga: Mulai dari $0.000035
Modalitas: Audio

Tentang Qwen3 ASR Flash

Qwen3 ASR Flash adalah model pengenalan ucapan klip pendek dari Alibaba, yang dipanggil secara sinkron dan menerima teks konteks opsional yang memberi tahu model tentang apa yang sedang dibahas oleh pembicara. Model ini menangani file hingga sekitar 5 menit dan 10 MB, serta selalu menandai emosi dalam outputnya. Ini adalah opsi cepat dalam keluarga Qwen3 ASR, dengan Filetrans untuk file panjang dan Realtime untuk streaming.

Kelebihan

Teks konteks opsional membantu dalam mengenali nama dan kosakata spesialis dalam rekaman pendek.
Panggilan sinkron mengembalikan transkrip secara langsung, tanpa antrean tugas yang perlu diperiksa (polling).
Pengenalan emosi diaktifkan secara permanen, yang berguna untuk analisis panggilan dan umpan balik.
Menawarkan gaya API yang kompatibel dengan OpenAI, sehingga memudahkan migrasi dari klien transkripsi lainnya.

Kapan harus beralih

Alibaba membatasi input hingga sekitar 10 MB dan 5 menit, jadi audio yang panjang memerlukan Qwen3 ASR Flash Filetrans.
Model ini tidak melakukan streaming; input langsung memerlukan Qwen3 ASR Flash Realtime.

Memulai

Buat API key
Buat kunci di Console, gunakan untuk semua model di platform.

Kirim permintaan pertama Anda

Salin contoh untuk bahasa Anda dan jalankan terhadap endpoint tersebut.

Suara ke teksEndpoint TokenLab

POST/v1/audio/transcriptions

curl -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

Suara ke teks

Parameter	Nilai dan batas	Nilai bawaan	Catatan
`file`	Jumlah masukan: ≥ 1, ≤ 1	Tidak disediakan	Send one audio file in multipart/form-data. Maximum file size is 25 MiB.
`language`	Tidak disediakan	Tidak disediakan	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`	Tidak disediakan	Tidak disediakan	Tidak disediakan
`response_format`	json, text, verbose_json	`json`	Tidak disediakan

Penetapan Harga

Harga Verified berlaku untuk Verified yang lebih murah di sebagian besar model. Harga Official adalah harga resmi dari pembuat model dan berlaku untuk rute Official yang lebih andal. Auto menagihkan biaya berdasarkan rute yang menyelesaikan permintaan.

Suara ke teks

per detik

Harga Official: $0.000035
Harga Verified: —
Diskon: —

	Harga Officialper detik	Harga Verifiedper detik	Diskon
Suara ke teks	$0.000035	—	—

Penggunaan & aktivitas

Tingkat keberhasilan adalah proporsi permintaan yang selesai. Latensi adalah berapa lama respons penuh berlangsung; P95 berarti 95% permintaan selesai dalam waktu tersebut.

Penggunaan & ketersediaan

24 jam terakhir

Permintaan
Tingkat keberhasilan
Latensi P95
Total token

Performa model

Terakhir diperbarui 1 Nov 2026, 09.32 UTC

Metrik akan muncul setelah ambang batas privasi dan volume data terpenuhi.

Data didasarkan pada permintaan pengguna gabungan, tidak termasuk pemeriksaan status.

Buka di Console

Buka Qwen3 ASR Flash di Console dengan prompt siap diedit atau dikirim.

Bantu saya mencoba qwen3-asr-flash dengan permintaan audio singkat di /v1/audio/transcriptions. Tampilkan hasil dan biayanya.

Skenario penggunaan

Pesan suara
Transkripsikan pesan suara obrolan singkat dan simpan tag emosi di samping setiap pesan.
Klip domain
Berikan satu baris tentang topik tersebut, seperti daftar nama obat atau mesin, untuk meningkatkan pengenalan istilah yang jarang digunakan.
Migrasi langsung (drop-in)
Arahkan klien transkripsi bergaya OpenAI yang sudah ada ke model ini untuk menguji kualitas pengenalan pada audio Anda sendiri.

Contoh prompt

Transkripsikan catatan suara 40 detik ini; konteks: diskusi tentang peningkatan klaster Kubernetes.

Transkripsikan klip dukungan singkat ini dan catat emosi pembicara.

Transkripsikan klip wawancara ini; konteks: tamu bernama Zhang Wei dan Li Na.

FAQ

Berapa batas input Qwen3 ASR Flash?

Alibaba mencantumkan sekitar 10 MB dan 5 menit per panggilan sinkron. Untuk rekaman yang lebih panjang, gunakan Qwen3 ASR Flash Filetrans, yang menangani hingga 2 GB dan 12 jam secara asinkron.

Apa fungsi opsi konteks?

Anda memberikan teks yang menjelaskan topik atau mencantumkan nama dan istilah, dan model menggunakannya untuk menyelesaikan kata-kata yang ambigu. Ini paling berguna pada klip pendek dengan kosakata yang jarang.

Apakah model ini mendeteksi emosi?

Ya. Alibaba menyatakan bahwa pengenalan emosi diaktifkan secara permanen untuk model Qwen3 ASR Flash, sehingga tag emosi menjadi bagian dari hasil tanpa memerlukan flag permintaan apa pun.

Apakah API-nya kompatibel dengan OpenAI?

Alibaba mencantumkan akses yang kompatibel dengan OpenAI untuk keluarga model ini. Periksa dokumentasi Alibaba untuk kolom permintaan yang tepat, karena tidak semua parameter dari klien penyedia lain didukung.

Berapa biaya Qwen3 ASR Flash?

Di TokenLab, Qwen3 ASR Flash dikenakan $0.000035 per detik. Tabel harga di atas menampilkan rincian lengkap. Tarif bergantung pada unit penagihan, spesifikasi, dan penggunaan. Bandingkan kondisi yang sama dalam harga detail model; satu tarif tidak menentukan total biaya.

Endpoint mana yang harus digunakan Qwen3 ASR Flash?

Pakai https://api.tokenlab.sh/v1/audio/transcriptions sebagai default untuk Qwen3 ASR Flash. Jika format native penyedia didukung, API workbench juga menampilkan endpoint tersebut.

Operasi apa saja yang didukung Qwen3 ASR Flash?

Qwen3 ASR Flash mendukung Suara ke teks. Pilih operasi di API workbench di atas untuk melihat endpoint dan contoh kode terkait.