阿里云: Qwen3 ASR Flash
qwen3-asr-flash- 价格
- 起 $0.000035
- 模态
- 音频
Qwen3 ASR Flash 简介
Qwen3 ASR Flash 是阿里巴巴的短片段语音识别模型，同步调用，可附带一段上下文文本，告诉模型说话人在讨论什么。它处理最大约 5 分钟、10 MB 的文件，输出始终带情绪标签。它是 Qwen3 ASR 系列里的快速选项，长文件用 Filetrans，音频流用 Realtime。
擅长的任务
- 可选的上下文文本有助于识别短录音里的人名和专业词汇。
- 同步调用直接返回转写结果，不需要轮询任务队列。
- 情绪识别永久开启，适合通话和反馈分析。
- 提供 OpenAI 兼容的 API 风格，便于从其他转写客户端迁移。
什么情况换别的模型
- 阿里巴巴把输入限制在约 10 MB 和 5 分钟，所以长音频需要用 Qwen3 ASR Flash Filetrans。
- 它不支持流式，实时输入需要 Qwen3 ASR Flash Realtime。
快速上手
创建 API 密钥
在 Console 生成一把密钥，平台上的模型都能用。
发送第一个请求
复制你所用语言的示例代码，向该端点发起请求。
语音转文字TokenLab 端点POST/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"
参数
语音转文字
| 参数 | 可选值与限制 | 默认值 | 说明 |
|---|---|---|---|
file | 输入数量：≥ 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_format | json, text, verbose_json | json | 未提供 |
价格
Verified 价格用于 Verified，多数模型更便宜；Official 价格是模型厂商公布的价格，用于更稳定的 Official。Auto 按最终完成请求的线路计价。
语音转文字
每秒- Official 价格
- $0.000035
- Verified 价格
- —
- 折扣
- —
| Official 价格每秒 | Verified 价格每秒 | 折扣 | |
|---|---|---|---|
| 语音转文字 | $0.000035 | — | — |
用量与动态
成功率是请求完成的比例；延迟是拿到一次完整响应要花的时间，P95 表示 95% 的请求都在这个时间内完成。
用量与可用性
最近 24 小时- 请求
- 成功率
- P95 延迟
- 总 token 数
数据来自汇总的用户请求，不含状态检查。
直接在 Console 里试
Qwen3 ASR Flash 已在 Console 备好，提示词已填好，可以直接修改或发送。
帮我用 qwen3-asr-flash 发起一条简短的音频请求，接口是 /v1/audio/transcriptions。返回结果和费用。
使用场景
语音消息
转写聊天里的短语音消息，并在每条旁边保留情绪标签。
专业领域片段
提供一句话说明主题，比如药品或发动机名称列表，以提高对生僻术语的识别。
直接迁移
把现有 OpenAI 风格的转写客户端指向它，用你自己的音频测试识别质量。
提示词示例
转写这段 40 秒的语音笔记；上下文：关于 Kubernetes 集群升级的讨论。
转写这段简短的客服录音，并标注说话人的情绪。
转写这段访谈片段；上下文：嘉宾为张伟和李娜。
FAQ
Qwen3 ASR Flash 的输入限制是多少？
阿里巴巴列出每次同步调用约 10 MB、5 分钟。更长的录音请用 Qwen3 ASR Flash Filetrans，它以异步方式处理最大 2 GB、最长 12 小时的文件。
上下文选项有什么用？
你传入描述主题的文字，或列出人名和术语，模型会据此消解有歧义的词。对含生僻词汇的短片段最有用。
它能检测情绪吗？
能。阿里巴巴说明 Qwen3 ASR Flash 系列模型的情绪识别永久开启，所以结果里自带情绪标签，不需要请求参数。
这个 API 兼容 OpenAI 吗？
阿里巴巴列出这个系列支持 OpenAI 兼容的访问方式。请查阅阿里巴巴的文档核对具体的请求字段，因为并非其他服务商客户端的每个参数都受支持。
Qwen3 ASR Flash 的费用是多少？
在 TokenLab 上，Qwen3 ASR Flash 的价格为 $0.000035 每秒。完整明细见上方价格表。 价格因计费单位、规格和用量而异。请在模型的详细定价中对比相同条件下的费率；单一费率不代表总价。
Qwen3 ASR Flash 应该使用哪个端点？
Qwen3 ASR Flash 使用 https://api.tokenlab.sh/v1/audio/transcriptions。代码写法见下方的请求示例。
Qwen3 ASR Flash 支持哪些操作？
Qwen3 ASR Flash 支持 语音转文字。选了操作，上面会显示对应的端点和请求示例。
Qwen3 ASR Flash 对比
资料来源
- Model Studio: recording file recognition models
- Model Studio: speech-to-text models for real-time and file transcription
审阅于 2026年10月2日
