各リクエストに対して Auto、TokenLab Verified、または Official を選択でき、価格は事前に表示されます。 新機能を見る

Alibaba Cloud: Qwen3 ASR Flash

Qwen3 ASR Flashは、オプションのコンテキストガイダンスを用いて音声ファイル内の音声を認識します。専門用語や名前が含まれる短い録音において、話し手が何を議論しているかのヒントを与えることで精度が向上します。
モデルを比較
qwen3-asr-flash
利用可能Alibaba Cloud音声テキスト変換同期
価格
価格 $0.000035
モダリティ
オーディオ

Qwen3 ASR Flash について

Qwen3 ASR Flashは、Alibabaの短尺音声認識モデルです。同期呼び出しに対応しており、話者が議論している内容を伝えるオプションのコンテキストテキストを受け取ることができます。約5分、10MBまでのファイルを処理でき、出力には常に感情タグが付与されます。Qwen3 ASRファミリーにおける高速処理向けオプションであり、長尺ファイルにはFiletrans、ストリーミングにはRealtimeが用意されています。

得意なこと

  • オプションのコンテキストテキストは、短い録音における人名や専門用語の認識を補助します。
  • 同期呼び出しでは文字起こし結果が直接返されるため、ポーリングが必要なジョブキューはありません。
  • 感情認識は常に有効になっており、通話分析やフィードバック分析に役立ちます。
  • OpenAI互換のAPIスタイルを提供しており、他の文字起こしクライアントからの移行が容易です。

他のモデルを検討すべきケース

  • Alibabaは入力を約10MBおよび5分までに制限しているため、長尺の音声にはQwen3 ASR Flash Filetransが必要です。
  • ストリーミングには対応していません。ライブ入力にはQwen3 ASR Flash Realtimeが必要です。

はじめに

  1. 最初のキーを作成

    Consoleでキーを作成すれば、プラットフォーム内のすべてのモデルで使えます。

  2. 最初のリクエストを送信する

    お使いの言語の例をコピーして、エンドポイントに対して実行してください。

    音声からテキストへTokenLab エンドポイント
    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"

パラメータ

音声からテキストへ

パラメーター値と制限デフォルト注記
file入力数: ≥ 1, ≤ 1未提供Send one audio file in multipart/form-data. Maximum file size is 25 MiB.
language未提供未提供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未提供未提供未提供
response_formatjson, text, verbose_jsonjson未提供

料金

Verified 価格は Verified に適用され、多くのモデルでより低コストです。Official 価格はモデルのメーカーが公表する価格で、信頼性の高い Official ルートに適用されます。Auto はリクエストを完了したルートの価格で課金します。

音声からテキストへ

1秒あたり
Official 価格
$0.000035
Verified 価格
—
割引
—

使用状況とアクティビティ

成功率は完了したリクエストの割合です。レイテンシは完全なレスポンスにかかる時間で、P95 は 95% のリクエストがその時間内に完了したことを意味します。

使用量と可用性

過去24時間
リクエスト数
成功率
P95 レイテンシ
合計トークン数
モデルパフォーマンス
プライバシーおよびデータ量のしきい値に達すると、メトリクスが表示されます。

データはステータスチェックを除外した、集計済みのユーザーリクエストに基づいています。

Consoleで開く

ConsoleでQwen3 ASR Flashを開き、プロンプトを編集・送信できます。

qwen3-asr-flashと/v1/audio/transcriptionsで音声をテスト。結果とコストを表示します。

ユースケース

  • ボイスメッセージ

    短いチャットのボイスメッセージを文字起こしし、それぞれに感情タグを保持します。

  • ドメイン別クリップ

    薬品名やエンジン名のリストなど、トピックに関する情報を一行提供することで、専門用語の認識精度を向上させます。

  • ドロップイン移行

    既存のOpenAIスタイル文字起こしクライアントの接続先を本モデルに向けることで、自身の音声データに対する認識品質をテストできます。

プロンプト例

この40秒のボイスメモを文字起こししてください。コンテキスト：Kubernetesクラスターのアップグレードに関する議論。

この短いサポートクリップを文字起こしし、話者の感情を記録してください。

このインタビュークリップを文字起こししてください。コンテキスト：ゲストはZhang Wei氏とLi Na氏。

FAQ

Qwen3 ASR Flashの入力制限はどのくらいですか？

Alibabaは、同期呼び出しあたり約10MB、5分までと定めています。より長い録音には、非同期で最大2GB、12時間まで処理可能なQwen3 ASR Flash Filetransを使用してください。

コンテキストオプションは何をしますか？

トピックの説明や人名・用語のリストをテキストで渡すと、モデルが曖昧な単語の解決に使用します。専門用語が含まれる短いクリップで最も効果的です。

感情を検出しますか？

はい。Alibabaによると、Qwen3 ASR Flashモデルでは感情認識が常に有効化されているため、リクエストフラグなしで感情タグが結果の一部として含まれます。

APIはOpenAIと互換性がありますか？

Alibabaはこのファミリーに対してOpenAI互換のアクセスを提供しています。他のプロバイダーのクライアントのすべてのパラメータがサポートされているわけではないため、正確なリクエストフィールドについてはAlibabaのドキュメントを確認してください。

Qwen3 ASR Flash の料金はいくらですか？

TokenLab では Qwen3 ASR Flash は $0.000035 1秒あたり です。詳細は上の料金表を参照してください。 料金は課金単位・仕様・使用量によって異なります。モデルの詳細な料金で同条件同士を比較してください。単一のレートで総額は決まりません。

Qwen3 ASR Flash はどのエンドポイントを使うべきですか？

Qwen3 ASR Flash のデフォルトは https://api.tokenlab.sh/v1/audio/transcriptions です。プロバイダーネイティブ形式に対応している場合は、API workbench にそのエンドポイントも表示されます。

Qwen3 ASR Flash はどの操作に対応していますか？

Qwen3 ASR Flash は 音声からテキストへ に対応しています。上の API workbench で操作を選ぶと、対応するエンドポイントとコード例が表示されます。

Qwen3 ASR Flash を比較する

Qwen3 ASR Flash と Qwen3 ASR Flash Filetrans を比較Qwen3 ASR Flash と Fun-ASR Flash 2026-06-15 を比較Qwen3 ASR Flash と Whisper large-v3 Turbo を比較

ソース

2026/10/02 時点での評価

Qwen ASR の他のモデル

Qwen3 ASR Flash Filetrans
Qwen ASR

関連モデル

Kling
Kuaishou · 16 モデル
Qwen 3 / QwQ
Alibaba Cloud · 12 モデル
Qwen
Alibaba Cloud · 9 モデル
MiniMax
MiniMax · 8 モデル
Wan
Alibaba Cloud · 7 モデル
AlibabaAlibaba Cloud の他のモデル音声テキスト変換のモデルを見る