阿里云: Qwen3 ASR Flash Filetrans
qwen3-asr-flash-filetrans- 价格
- 起 $0.000035
- 模态
- 音频
Qwen3 ASR Flash Filetrans 简介
Qwen3 ASR Flash Filetrans 是阿里巴巴 Qwen3 ASR 系列里处理长文件的版本，以异步任务运行。阿里巴巴原生服务文档的录音上限是 2 GB、12 小时，而这里的上传入口另有 25 MB 的限制。Qwen3 ASR Flash 处理约五分钟的片段，这个版本面向完整的会议和讲座，并为十种列出的语言提供字级时间戳。
擅长的任务
- 阿里巴巴原生服务文档的录音上限是 2 GB、12 小时；通过这里的入口上传限 25 MB。
- 字级时间戳覆盖中文、英语、日语、韩语、德语、法语、西班牙语、意大利语、葡萄牙语和俄语。
- 阿里巴巴文档了这个模型的情绪识别；它不是共享响应里保证存在的字段。
- 时间戳让输出可以直接用于字幕文件和可检索的归档。
什么情况换别的模型
- 任务要处理完才会返回结果，所以交互式语音输入需要 Qwen3 ASR Flash Realtime。
- 阿里巴巴对这个模型强调的是时间戳和情绪，没有说话人标签；Fun-ASR 和 Paraformer v2 列有说话人分离功能。
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-filetrans" \ -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. |
response_format | 未提供 | json | Omit this field to use json. The current route creates an asynchronous transcription task and returns JSON task status and results. This field does not select an audio output encoding. Other response formats have not been qualified for this model. |
timestamp_granularities | 未提供 | 未提供 | 未提供 |
timestampGranularities | 未提供 | 未提供 | 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 Filetrans 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-filetrans 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
生成字幕
为视频生成时间对齐的字幕，利用模型详情列出的字级时间戳在自然的停顿处断行。
讲座检索
转写按上传限制准备好的课程录音，让学生能搜索某个主题并跳转到对应的时刻。
多语言归档
用同一个模型处理十种支持时间戳的任意语言的录音，不必每种语言各配一个工具。
提示词示例
转写这段 20 分钟的会议录音，保持在 25 MB 限制内，使用模型详情里列出的时间戳选项。
转写这段日语培训片段，并展示返回的转写字段。
转写这段讲座节选，返回模型报告的时间信息。
FAQ
Filetrans 和 Qwen3 ASR Flash 有什么区别？
Filetrans 以异步方式运行；阿里巴巴原生服务文档的文件上限是 2 GB、12 小时，这里的上传入口另限 25 MB。Qwen3 ASR Flash 以同步方式处理约五分钟的片段。按录音长度选择。
哪些语言有字级时间戳？
阿里巴巴原生异步接口默认返回句级时间，用 enable_words 可在中文、英语、日语、韩语、德语、法语、西班牙语、意大利语、葡萄牙语和俄语中得到字级时间。对这里的入口，只请求当前模型详情里列出的时间戳选项，并检查返回的转写字段。
它会标注情绪吗？
阿里巴巴原生文档了这个模型的情绪识别。原生的情绪标注不是共享响应里保证存在的字段，依赖情绪标签前请先检查返回的转写结果。
它能识别说话人吗？
阿里巴巴对这个模型的介绍强调的是时间戳和情绪，没有说话人分离。如果转写结果需要说话人标签，Fun-ASR 和 Paraformer v2 明确列有这一功能。
Qwen3 ASR Flash Filetrans 的费用是多少？
在 TokenLab 上，Qwen3 ASR Flash Filetrans 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 Filetrans 应该使用哪个端点？
Qwen3 ASR Flash Filetrans 使用 https://api.tokenlab.sh/v1/audio/transcriptions。代码写法见下方的请求示例。
Qwen3 ASR Flash Filetrans 支持哪些操作？
Qwen3 ASR Flash Filetrans 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 Filetrans 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
