Alibaba Cloud: Qwen3 ASR Flash

O Qwen3 ASR Flash reconhece fala em um arquivo de áudio com orientação contextual opcional. É útil para gravações curtas contendo nomes ou vocabulário especializado que se beneficiam de uma dica sobre o que o falante está discutindo.

Comparar modelos

qwen3-asr-flash

DisponívelAlibaba CloudFala para TextoSíncrono

Preço: A partir de $0.000035
Modalidades: Áudio

Sobre o Qwen3 ASR Flash

Qwen3 ASR Flash é o modelo de reconhecimento de fala para clipes curtos da Alibaba, chamado de forma síncrona e que aceita um texto de contexto opcional que informa ao modelo sobre o que o falante está discutindo. Ele processa arquivos de até cerca de 5 minutos e 10 MB, e sempre marca a emoção em sua saída. É a opção rápida na família Qwen3 ASR, com o Filetrans para arquivos longos e o Realtime para transmissões.

Pontos fortes

O texto de contexto opcional ajuda com nomes e vocabulário especializado em gravações curtas.
Chamadas síncronas retornam a transcrição diretamente, sem fila de tarefas para consultar.
O reconhecimento de emoção é permanentemente ativado, o que é útil para análise de chamadas e feedback.
Oferece um estilo de API compatível com OpenAI, facilitando a migração de outros clientes de transcrição.

Quando usar outro modelo

A Alibaba limita as entradas a cerca de 10 MB e 5 minutos, portanto, áudios longos precisam do Qwen3 ASR Flash Filetrans.
Ele não faz streaming; entradas ao vivo precisam do Qwen3 ASR Flash Realtime.

Primeiros passos

Criar chave de API
Crie uma chave no Console e use com qualquer modelo da plataforma.

Envie sua primeira requisição

Copie o exemplo para sua linguagem e execute-o no endpoint.

Fala para textoEndpoint do 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"

Parâmetros

Fala para texto

Parâmetro	Valores e limites	Padrão	Notas
`file`	Entradas: ≥ 1, ≤ 1	Não fornecido	Send one audio file in multipart/form-data. Maximum file size is 25 MiB.
`language`	Não fornecido	Não fornecido	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`	Não fornecido	Não fornecido	Não fornecido
`response_format`	json, text, verbose_json	`json`	Não fornecido

Preço

O preço Verified vale para o Verified, que custa menos na maioria dos modelos. O preço Official é o preço publicado pelo fabricante do modelo e vale para a rota Official, mais confiável. O Auto cobra pela rota que conclui a solicitação.

Fala para texto

por segundo

Preço Official: $0.000035
Preço Verified: —
Desconto: —

	Preço Officialpor segundo	Preço Verifiedpor segundo	Desconto
Fala para texto	$0.000035	—	—

Uso e atividade

A taxa de sucesso é a proporção de requisições concluídas. A latência é quanto tempo uma resposta completa leva; P95 significa que 95% das requisições terminaram dentro desse tempo.

Uso e disponibilidade

Últimas 24 horas

Requisições
Taxa de sucesso
Latência P95
Total de tokens

Desempenho do modelo

Última atualização 1 de nov. de 2026, 09:32 UTC

As métricas aparecerão assim que os limites de privacidade e volume de dados forem atingidos.

Os dados baseiam-se em solicitações agregadas de usuários, excluindo verificações de status.

Abrir no Console

Abra Qwen3 ASR Flash no Console com um prompt pronto para editar ou enviar.

Ajude-me a testar qwen3-asr-flash com uma solicitação de áudio em /v1/audio/transcriptions. Exiba o resultado e custo.

Casos de uso

Mensagens de voz
Transcreva mensagens de voz curtas de chat e mantenha uma etiqueta de emoção ao lado de cada uma.
Clipes de domínio
Forneça uma linha sobre o tópico, como uma lista de nomes de medicamentos ou motores, para melhorar o reconhecimento de termos raros.
Migração direta
Aponte um cliente de transcrição existente no estilo OpenAI para ele, a fim de testar a qualidade do reconhecimento em seu próprio áudio.

Exemplos de prompt

Transcreva esta nota de voz de 40 segundos; contexto: uma discussão sobre atualizações de cluster Kubernetes.

Transcreva este clipe de suporte curto e observe a emoção do falante.

Transcreva este clipe de entrevista; contexto: convidados chamados Zhang Wei e Li Na.

FAQ

Quais são os limites de entrada do Qwen3 ASR Flash?

A Alibaba lista cerca de 10 MB e 5 minutos por chamada síncrona. Para gravações mais longas, use o Qwen3 ASR Flash Filetrans, que lida com até 2 GB e 12 horas de forma assíncrona.

O que a opção de contexto faz?

Você passa um texto descrevendo o tópico ou listando nomes e termos, e o modelo o utiliza para resolver palavras ambíguas. É mais útil em clipes curtos com vocabulário raro.

Ele detecta emoção?

Sim. A Alibaba afirma que o reconhecimento de emoção é permanentemente ativado para os modelos Qwen3 ASR Flash, portanto, uma etiqueta de emoção faz parte do resultado sem qualquer sinalizador de solicitação.

A API é compatível com OpenAI?

A Alibaba lista acesso compatível com OpenAI para esta família. Verifique a documentação da Alibaba para os campos de solicitação exatos, pois nem todos os parâmetros de clientes de outros provedores são suportados.

Quanto custa o Qwen3 ASR Flash?

No TokenLab, Qwen3 ASR Flash custa $0.000035 por segundo. A tabela de preços acima mostra o detalhamento completo. As tarifas dependem da unidade de cobrança, da especificação e do uso. Compare condições iguais no preço detalhado do modelo; uma única tarifa não determina o custo total.

Qual endpoint o Qwen3 ASR Flash deve usar?

Use https://api.tokenlab.sh/v1/audio/transcriptions para Qwen3 ASR Flash. O exemplo de requisição abaixo mostra o formato de código correspondente.

Quais operações o Qwen3 ASR Flash suporta?

Qwen3 ASR Flash suporta Fala para texto. Selecione uma operação acima para ver seu endpoint e exemplo de requisição.