透過熱詞(即時熱詞、預編譯熱詞)和上下文增強,改善人名、產品名稱、產業術語等詞彙的語音辨識效果。
選擇最佳化方式
人名、產品名稱和產業術語可能與常用詞發音相近,辨識時容易出現同音字或詞語錯誤。熱詞和上下文增強可為模型補充這些詞彙的正確寫法或相關背景,協助改善辨識效果。
選擇方式時,先看業務已有的資訊:有明確的術語清單,可使用熱詞;已有對話記錄或業務說明,可使用上下文增強。熱詞再依詞表是否需要跨請求重複使用,分為即時熱詞和預編譯熱詞。使用前請確認支援的模型與地區。
| 方式 | 適用情況 | 使用方法 |
|---|---|---|
待辨識的人名、產品名稱等隨請求變化,或只有少量臨時術語,不需要儲存和管理詞表。 | 在每次辨識請求中直接傳入「詞語:權重」物件。應用程式需準備待辨識詞語的正確寫法,可透過權重調整模型對這些詞語的偏好。 | |
已有業務詞庫,或一組術語會在多次辨識中重複使用,希望統一維護詞表。 | 先建立包含詞語、權重和選填語言的熱詞清單,辨識時引用清單 ID。詞庫變化時更新清單,無需在每個辨識請求中重複提交詞條。 | |
應用程式已儲存前幾輪對話、業務說明或領域文字,希望直接利用這些內容輔助辨識。 | 將相關文字作為上下文訊息隨音訊傳入,無需先擷取詞條或逐詞設定權重。上下文應包含待辨識術語的正確寫法;只有明確的術語清單時,也可使用熱詞解決同類問題。 |
使用熱詞
執行範例前,請先下載範例音訊並準備 API Key(可在百煉主控台取得)。音訊內容:「请把祺元项目的报告发给洛柯,下周我们要上线璇枢系统。」
即時熱詞
即時熱詞適合隨請求變化的詞語。在辨識請求的 parameters.vocabulary 中傳入 JSON 物件:索引鍵為熱詞文字(string),值為權重(integer),無需預先建立詞表。
-
不設定熱詞,辨識原始音訊
未設定熱詞時,本例中的三個名稱辨識不準確。原始辨識結果可透過以下請求取得。
curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \ --header "Authorization: Bearer $DASHSCOPE_API_KEY" \ --header "Content-Type: application/json" \ --header "X-DashScope-SSE: disable" \ --data ' { "model": "qwen-audio-3.1-asr-flash", "input": { "messages": [ { "role": "user", "content": [ { "type": "input_audio", "input_audio": { "data": "https://g-adoc.alcasset.com/media/maas_docs/sfm-cn/zh/audios/6a4b3c2d1e0f9093.wav" } } ] } ] }, "parameters": { "format": "wav", "sample_rate": 16000 } } ' -
隨請求加入即時熱詞
在相同請求中加入「祺元」「洛柯」「璇枢」,權重均設為 4,其餘輸入保持一致。權重範圍和調整方法請參見調整熱詞權重。
curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \ --header "Authorization: Bearer $DASHSCOPE_API_KEY" \ --header "Content-Type: application/json" \ --header "X-DashScope-SSE: disable" \ --data ' { "model": "qwen-audio-3.1-asr-flash", "input": { "messages": [ { "role": "user", "content": [ { "type": "input_audio", "input_audio": { "data": "https://g-adoc.alcasset.com/media/maas_docs/sfm-cn/zh/audios/6a4b3c2d1e0f9093.wav" } } ] } ] }, "parameters": { "format": "wav", "sample_rate": 16000, "vocabulary": { "祺元": 4, "洛柯": 4, "璇枢": 4 } } } '
設定前後的辨識文字範例如下:
| 設定 | 辨識文字範例 |
|---|---|
未設定 | 请把漆园项目的报告发给罗科,下周我们要上线玄枢系统。 |
設定後 | 请把祺元项目的报告发给洛柯,下周我们要上线璇枢系统。 |
預編譯熱詞
預編譯熱詞適合需要跨請求重複使用的業務詞表。預先建立熱詞清單後,在辨識請求中傳入 vocabulary_id,無需每次重複提交詞條。
建立時以 JSON 陣列提交詞條,每個元素的欄位如下:
| 欄位 | 類型 | 必填 | 說明 |
|---|---|---|---|
| string | 是 | 實際詞語,語種須在所選模型的支援範圍內。長度要求參見熱詞文字規範。 |
| integer | 是 | 一般熱詞取值為 1~5,建議從 4 起調。部分模型支援超級熱詞權重 50,詳見調整熱詞權重。 |
| string | 否 | 語種代碼,限定詞條作用的語種;語種未知時可省略。與辨識介面 |
建立熱詞清單時指定的目標模型須與實際辨識模型一致。
說明熱詞管理與語音辨識必須使用同一帳號,否則辨識介面無法存取對應的熱詞清單。
HTTP / cURL
-
建立熱詞清單
以下範例使用
qwen-audio-3.1-asr-flash,透過target_model指定目標模型。請儲存回應中output.vocabulary_id的值。curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/customization' \ --header "Authorization: Bearer $DASHSCOPE_API_KEY" \ --header "Content-Type: application/json" \ --data @- <<EOF { "model": "speech-biasing", "input": { "action": "create_vocabulary", "target_model": "qwen-audio-3.1-asr-flash", "prefix": "testpfx", "vocabulary": [ { "text": "祺元", "weight": 4, "lang": "zh" }, { "text": "洛柯", "weight": 4, "lang": "zh" }, { "text": "璇枢", "weight": 4, "lang": "zh" } ] } } EOF -
確認清單可用
將
<vocabulary_id>替換為建立介面回傳的清單 ID,再查詢狀態。確認回應中的output.status為OK後進行辨識。export VOCABULARY_ID="<vocabulary_id>" curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/customization' \ --header "Authorization: Bearer $DASHSCOPE_API_KEY" \ --header "Content-Type: application/json" \ --data @- <<EOF { "model": "speech-biasing", "input": { "action": "query_vocabulary", "vocabulary_id": "$VOCABULARY_ID" } } EOF -
在辨識請求中引用清單
在辨識請求中透過
parameters.vocabulary_id引用該清單,無需重複傳入詞條。curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \ --header "Authorization: Bearer $DASHSCOPE_API_KEY" \ --header "Content-Type: application/json" \ --header "X-DashScope-SSE: disable" \ --data @- <<EOF { "model": "qwen-audio-3.1-asr-flash", "input": { "messages": [ { "role": "user", "content": [ { "type": "input_audio", "input_audio": { "data": "https://g-adoc.alcasset.com/media/maas_docs/sfm-cn/zh/audios/6a4b3c2d1e0f9093.wav" } } ] } ] }, "parameters": { "format": "wav", "sample_rate": 16000, "vocabulary_id": "$VOCABULARY_ID" } } EOF -
重複使用或刪除清單
後續請求可繼續引用同一 ID。僅在不再需要此清單時呼叫以下刪除介面,釋放清單配額。
curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/customization' \ --header "Authorization: Bearer $DASHSCOPE_API_KEY" \ --header "Content-Type: application/json" \ --data @- <<EOF { "model": "speech-biasing", "input": { "action": "delete_vocabulary", "vocabulary_id": "$VOCABULARY_ID" } } EOF
SDK
說明SDK 範例使用 DashScope Python SDK 2.0.1 及以上版本或 Java SDK 2.22.23 及以上版本,安裝方法請參見安裝 SDK。
以下 Java、Python 範例使用 qwen-audio-3.1-asr-flash-streaming,完成建立、狀態查詢、辨識和刪除。finally 中的刪除用於清理示範資源;正式環境需要重複使用時,請保留清單及其 ID。
import com.alibaba.dashscope.audio.asr.recognition.Recognition;
import com.alibaba.dashscope.audio.asr.recognition.RecognitionParam;
import com.alibaba.dashscope.utils.Constants;
import java.io.File;
import java.util.Arrays;
import com.alibaba.dashscope.audio.asr.vocabulary.Vocabulary;
import com.alibaba.dashscope.audio.asr.vocabulary.VocabularyService;
import com.google.gson.JsonArray;
import com.google.gson.JsonObject;
public class Main {
public static void main(String[] args) throws Exception {
String apiKey = System.getenv("DASHSCOPE_API_KEY");
Constants.baseHttpApiUrl = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1";
Constants.baseWebsocketApiUrl = "wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/inference";
String model = "qwen-audio-3.1-asr-flash-streaming";
JsonArray words = new JsonArray();
for (String text : Arrays.asList("祺元", "洛柯", "璇枢")) {
JsonObject word = new JsonObject();
word.addProperty("text", text);
word.addProperty("weight", 4);
words.add(word);
}
VocabularyService service = new VocabularyService(apiKey);
// targetModel must match the model used for recognition.
Vocabulary vocabulary = service.createVocabulary(model, "testpfx", words);
try {
if (!"OK".equals(service.queryVocabulary(vocabulary.getVocabularyId()).getStatus())) {
throw new IllegalStateException("Vocabulary is not ready");
}
Recognition recognizer = new Recognition();
try {
RecognitionParam param = RecognitionParam.builder()
.model(model).apiKey(apiKey).format("wav").sampleRate(16000)
.vocabularyId(vocabulary.getVocabularyId()).build();
System.out.println(recognizer.call(param, new File("asr-accuracy-example.wav")));
} finally {
recognizer.getDuplexApi().close(1000, "bye");
}
} finally {
service.deleteVocabulary(vocabulary.getVocabularyId());
}
System.exit(0);
}
}
import os
import dashscope
client = dashscope.Client(
api_key=os.environ["DASHSCOPE_API_KEY"],
workspace="{WorkspaceId}",
region="cn-beijing",
)
model = "qwen-audio-3.1-asr-flash-streaming"
vocabulary = client.audio.vocabularies.create(
prefix="testpfx",
target_model=model,
vocabulary=[{"text": word, "weight": 4} for word in ["祺元", "洛柯", "璇枢"]],
)
try:
if client.audio.vocabularies.get(vocabulary.vocabulary_id).status != "OK":
raise RuntimeError("Vocabulary is not ready")
for event in client.audio.asr.recognize_file(
"asr-accuracy-example.wav", model=model, format="wav", sample_rate=16000,
vocabulary_id=vocabulary.vocabulary_id,
):
sentence = ((event.get("payload") or {}).get("output") or {}).get("sentence") or {}
if sentence.get("text") and not sentence.get("heartbeat"):
print(sentence["text"])
finally:
client.audio.vocabularies.delete(vocabulary.vocabulary_id)
使用上下文增強
上下文增強可直接利用已有對話記錄或領域文字。與熱詞要求應用程式提供詞語和權重不同,上下文以文字訊息傳入,不需要先把業務資料拆成詞條。兩種方式都可能改善專有名詞的辨識,應根據應用程式已有的資訊選擇。
準備上下文
沿用上述音訊:如果應用程式已有「祺元專案、璇枢系統、同事洛柯」的業務資訊,可直接傳入包含這些正確名稱的文字。常見的上下文來源有以下兩種。
業務背景或領域文字
例如已有的專案說明或產業資料。將相關文字放入 role=user、type=input_text 的訊息中,無需為此編造對話或新增回覆。以下陣列可作為上下文傳入:
[
{
"role": "user",
"content": [
{
"type": "input_text",
"text": "我在祺元项目工作,负责璇枢系统。我的同事叫洛柯。"
}
]
}
]
對話記錄
使用已有的使用者辨識文字和大模型回覆:使用者文字使用 role=user、type=input_text,回覆使用 role=assistant、type=text。以下對話中已出現待辨識名稱,可直接作為後續辨識的背景:
[
{
"role": "user",
"content": [
{
"type": "input_text",
"text": "我在祺元项目工作,负责璇枢系统。我的同事叫洛柯。"
}
]
},
{
"role": "assistant",
"content": [
{
"type": "text",
"text": "好的,我们继续讨论祺元项目、璇枢系统和洛柯的工作。"
}
]
}
]
說明assistant 訊息可省略。使用對話記錄時,依輪次排列,每輪 user 在對應 assistant 之前。文字長度和保留輪數請參見使用限制。
設定與呼叫
使用準備好的上下文辨識同一段音訊,依模型系列選擇呼叫範例。
Qwen-Audio-ASR
以下範例使用 qwen-audio-3.1-asr-flash,在 input.messages 中依序放入上下文訊息,並將包含 input_audio 的目前音訊訊息放在最後。
curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header "Content-Type: application/json" \
--header "X-DashScope-SSE: disable" \
--data '
{
"model": "qwen-audio-3.1-asr-flash",
"input": {
"messages": [
{
"role": "user",
"content": [
{
"type": "input_text",
"text": "我在祺元项目工作,负责璇枢系统。我的同事叫洛柯。"
}
]
},
{
"role": "assistant",
"content": [
{
"type": "text",
"text": "好的,我们继续讨论祺元项目、璇枢系统和洛柯的工作。"
}
]
},
{
"role": "user",
"content": [
{
"type": "input_audio",
"input_audio": {
"data": "https://g-adoc.alcasset.com/media/maas_docs/sfm-cn/zh/audios/6a4b3c2d1e0f9093.wav"
}
}
]
}
]
},
"parameters": {
"format": "wav",
"sample_rate": 16000
}
}
'
Qwen-Audio-ASR-Message / Qwen-Audio-ASR-Streaming
以下範例使用 qwen-audio-3.1-asr-flash-streaming(也可替換為 qwen-audio-3.1-asr-flash-message),在啟動任務時透過 input.context 傳入上下文。
說明SDK 範例使用 DashScope Python SDK 2.0.1 及以上版本或 Java SDK 2.22.23 及以上版本,安裝方法請參見安裝 SDK。
import com.alibaba.dashscope.audio.asr.recognition.Recognition;
import com.alibaba.dashscope.audio.asr.recognition.RecognitionParam;
import com.alibaba.dashscope.utils.Constants;
import java.io.File;
import java.util.Arrays;
import java.util.HashMap;
import java.util.Map;
public class Main {
public static void main(String[] args) throws Exception {
Constants.baseHttpApiUrl = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1";
Constants.baseWebsocketApiUrl = "wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/inference";
Map<String, Object> userContent = new HashMap<>();
userContent.put("type", "input_text");
userContent.put("text", "我在祺元项目工作,负责璇枢系统。我的同事叫洛柯。");
Map<String, Object> user = new HashMap<>();
user.put("role", "user");
user.put("content", Arrays.asList(userContent));
Map<String, Object> assistantContent = new HashMap<>();
assistantContent.put("type", "text");
assistantContent.put("text", "好的,我们继续讨论祺元项目、璇枢系统和洛柯的工作。");
Map<String, Object> assistant = new HashMap<>();
assistant.put("role", "assistant");
assistant.put("content", Arrays.asList(assistantContent));
Map<String, Object> input = new HashMap<>();
input.put("context", Arrays.asList(user, assistant));
RecognitionParam param = RecognitionParam.builder()
.model("qwen-audio-3.1-asr-flash-streaming")
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
.format("wav").sampleRate(16000).input(input).build();
Recognition recognizer = new Recognition();
try {
System.out.println(recognizer.call(param, new File("asr-accuracy-example.wav")));
} finally {
recognizer.getDuplexApi().close(1000, "bye");
}
System.exit(0);
}
}
import os
import time
import dashscope
from concurrent.futures import ThreadPoolExecutor
client = dashscope.Client(
api_key=os.environ["DASHSCOPE_API_KEY"],
workspace="{WorkspaceId}",
region="cn-beijing",
)
context = [
{
"role": "user",
"content": [
{
"type": "input_text",
"text": "我在祺元项目工作,负责璇枢系统。我的同事叫洛柯。"
}
]
},
{
"role": "assistant",
"content": [
{
"type": "text",
"text": "好的,我们继续讨论祺元项目、璇枢系统和洛柯的工作。"
}
]
}
]
def receive_events(recognition):
for event in recognition.events():
sentence = ((event.get("payload") or {}).get("output") or {}).get("sentence") or {}
if sentence.get("text") and not sentence.get("heartbeat"):
print(sentence["text"])
with client.audio.asr.recognize(
model="qwen-audio-3.1-asr-flash-streaming",
format="wav", sample_rate=16000,
input={"context": context},
) as recognition:
with ThreadPoolExecutor(max_workers=1) as pool:
receiver = pool.submit(receive_events, recognition)
try:
with open("asr-accuracy-example.wav", "rb") as audio:
while True:
chunk = audio.read(3200)
if not chunk:
break
recognition.send_audio_frame(chunk)
time.sleep(0.1)
recognition.stop()
receiver.result()
finally:
recognition.close()
Qwen-Audio-ASR-Filetrans
以下範例使用 qwen-audio-3.1-asr-flash-filetrans,在 input.file_urls 中提供音訊 URL,在 input.context 中提供上下文,然後非同步提交任務、查詢狀態並下載結果。
import json
import os
import time
import urllib.request
base_url = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1"
headers = {"Authorization": "Bearer " + os.environ["DASHSCOPE_API_KEY"]}
def request_json(url, body=None, extra_headers=None):
request_headers = {**headers, **(extra_headers or {})}
data = None
if body is not None:
data = json.dumps(body, ensure_ascii=False).encode("utf-8")
request_headers["Content-Type"] = "application/json"
req = urllib.request.Request(url, data=data, headers=request_headers)
with urllib.request.urlopen(req) as response:
return json.load(response)
body = {
"model": "qwen-audio-3.1-asr-flash-filetrans",
"input": {
"file_urls": [
"https://g-adoc.alcasset.com/media/maas_docs/sfm-cn/zh/audios/6a4b3c2d1e0f9093.wav"
],
"context": [
{
"role": "user",
"content": [
{
"type": "input_text",
"text": "我在祺元项目工作,负责璇枢系统。我的同事叫洛柯。"
}
]
},
{
"role": "assistant",
"content": [
{
"type": "text",
"text": "好的,我们继续讨论祺元项目、璇枢系统和洛柯的工作。"
}
]
}
]
},
"parameters": {}
}
task = request_json(
base_url + "/services/audio/asr/transcription", body,
{"X-DashScope-Async": "enable"},
)
task_id = task["output"]["task_id"]
while True:
result = request_json(base_url + "/tasks/" + task_id)
status = result["output"]["task_status"]
if status == "SUCCEEDED":
break
if status in ("FAILED", "CANCELED"):
raise RuntimeError(result)
time.sleep(1)
for item in result["output"]["results"]:
if item["subtask_status"] != "SUCCEEDED":
raise RuntimeError(item)
with urllib.request.urlopen(item["transcription_url"]) as response:
transcription = json.load(response)
for transcript in transcription["transcripts"]:
print(transcript["text"])
移除範例中的上下文設定,再辨識同一段音訊,即可比較設定前後的結果。以下為辨識文字範例:
| 設定 | 辨識文字範例 |
|---|---|
未設定 | 请把漆园项目的报告发给罗科,下周我们要上线玄枢系统。 |
設定後 | 请把祺元项目的报告发给洛柯,下周我们要上线璇枢系统。 |
效果調校與疑難排解
使用同一音訊對比設定前後的結果,再調整詞條、權重或上下文內容。熱詞調校同時適用於即時熱詞和預編譯熱詞。
調整熱詞權重
一般熱詞的權重範圍為 1~5,建議從 weight=4 起調。權重越高,模型越傾向於輸出該詞;權重過高可能將其他發音相近的詞錯誤替換為熱詞。
| 權重 | 偏好程度 | 適用情況 |
|---|---|---|
1~2 | 較弱 | 與常用詞發音相近,需要避免過度修正 |
3~4 | 較明顯 | 建議作為大多數情境的起始設定 |
5 | 較強 | 音訊中頻繁出現、較少與其他詞混淆的術語 |
超級熱詞:Qwen-Audio-ASR-Message、Qwen-Audio-ASR-Streaming、Qwen-Audio-ASR-Filetrans 和 Qwen-Audio-ASR 系列的即時熱詞、預編譯熱詞還支援 weight=50,可提高目標詞召回率,每個詞表或請求最多 50 個。
組織與維護詞表
-
依情境分組:預編譯熱詞可為不同業務情境建立獨立清單,例如分別維護醫療術語和產品名稱,減少無關詞條。
-
區分詞條語種與音訊語種:預編譯詞表可混入不同語種的詞條,透過
lang區分。language_hints屬於辨識介面,用於宣告音訊語種;設定後,僅語種匹配的熱詞生效,其他語種的熱詞會被忽略。 -
定期維護:依業務需要更新詞條,刪除不再使用的清單以釋放配額。
說明建議兩次熱詞清單更新至少間隔 5 分鐘,否則更新後的熱詞可能不生效。
排查辨識效果
先區分是設定未生效、詞語修正過強,還是音訊本身難以辨識,再檢查相應項目。
| 現象 | 檢查與處理 |
|---|---|
熱詞未依預期辨識 | 先確認支援的模型與地區。即時熱詞應位於 在支援範圍內調高熱詞權重,並比較同一音訊的結果,判斷是否為權重過低導致。 |
其他詞被誤辨識為熱詞 | 在支援範圍內調低熱詞權重,並依業務情境減少無關詞條。檢查 |
上下文未改善目標詞 | 檢查文字是否包含術語的正確寫法,並核對訊息角色、類型、順序及所用介面的傳入位置。超過長度或輪數限制的文字可能被截斷或捨棄,規則請參見使用限制。 |
一般詞語也大量辨識錯誤 | 檢查音訊格式、取樣率是否符合模型要求,並降低背景雜音。單一語言音訊可透過辨識介面的 |
支援的模型與地區
預編譯熱詞
新加坡
說明熱詞功能僅支援主業務空間,暫不支援子業務空間。
-
Qwen-Audio-ASR:qwen-audio-3.1-asr-flash、qwen-audio-3.0-asr-flash
-
Qwen-Audio-ASR-Streaming:qwen-audio-3.1-asr-flash-streaming、qwen-audio-3.0-asr-flash-streaming
-
Qwen-Audio-ASR-Filetrans:qwen-audio-3.1-asr-flash-filetrans、qwen-audio-3.0-asr-flash-filetrans
-
Qwen-Audio-ASR-Message:qwen-audio-3.1-asr-flash-message
-
Fun-ASR-Realtime:fun-asr-realtime
-
Fun-ASR-Flash:fun-asr-flash-2026-06-15
-
Fun-ASR:fun-asr
華北2(北京)
說明熱詞功能僅支援主業務空間,暫不支援子業務空間。
-
Qwen-Audio-ASR:qwen-audio-3.1-asr-flash、qwen-audio-3.0-asr-flash
-
Qwen-Audio-ASR-Streaming:qwen-audio-3.1-asr-flash-streaming、qwen-audio-3.0-asr-flash-streaming
-
Qwen-Audio-ASR-Filetrans:qwen-audio-3.1-asr-flash-filetrans、qwen-audio-3.0-asr-flash-filetrans
-
Qwen-Audio-ASR-Message:qwen-audio-3.1-asr-flash-message
-
Fun-ASR-Realtime:fun-asr-realtime、fun-asr-flash-8k-realtime、fun-asr-flash-8k-realtime-2026-01-28
-
Fun-ASR-Flash:fun-asr-flash-2026-06-15
-
Fun-ASR:fun-asr
-
Paraformer-Realtime:paraformer-realtime-v2、paraformer-realtime-8k-v2
-
Paraformer:paraformer-v2、paraformer-8k-v2
即時熱詞
新加坡
說明熱詞功能僅支援主業務空間,暫不支援子業務空間。
-
Qwen-Audio-ASR:qwen-audio-3.1-asr-flash、qwen-audio-3.0-asr-flash
-
Qwen-Audio-ASR-Streaming:qwen-audio-3.1-asr-flash-streaming、qwen-audio-3.0-asr-flash-streaming
-
Qwen-Audio-ASR-Filetrans:qwen-audio-3.1-asr-flash-filetrans、qwen-audio-3.0-asr-flash-filetrans
-
Qwen-Audio-ASR-Message:qwen-audio-3.1-asr-flash-message
-
Fun-ASR:fun-asr
華北2(北京)
說明熱詞功能僅支援主業務空間,暫不支援子業務空間。
-
Qwen-Audio-ASR:qwen-audio-3.1-asr-flash、qwen-audio-3.0-asr-flash
-
Qwen-Audio-ASR-Streaming:qwen-audio-3.1-asr-flash-streaming、qwen-audio-3.0-asr-flash-streaming
-
Qwen-Audio-ASR-Filetrans:qwen-audio-3.1-asr-flash-filetrans、qwen-audio-3.0-asr-flash-filetrans
-
Qwen-Audio-ASR-Message:qwen-audio-3.1-asr-flash-message
-
Fun-ASR:fun-asr
上下文增強
新加坡
-
Qwen-Audio-ASR:qwen-audio-3.1-asr-flash、qwen-audio-3.0-asr-flash
-
Qwen-Audio-ASR-Streaming:qwen-audio-3.1-asr-flash-streaming、qwen-audio-3.0-asr-flash-streaming
-
Qwen-Audio-ASR-Filetrans:qwen-audio-3.1-asr-flash-filetrans、qwen-audio-3.0-asr-flash-filetrans
-
Qwen-Audio-ASR-Message:qwen-audio-3.1-asr-flash-message
-
Fun-ASR-Realtime:fun-asr-realtime
-
Fun-ASR-Flash:fun-asr-flash-2026-06-15
華北2(北京)
-
Qwen-Audio-ASR:qwen-audio-3.1-asr-flash、qwen-audio-3.0-asr-flash
-
Qwen-Audio-ASR-Streaming:qwen-audio-3.1-asr-flash-streaming、qwen-audio-3.0-asr-flash-streaming
-
Qwen-Audio-ASR-Filetrans:qwen-audio-3.1-asr-flash-filetrans、qwen-audio-3.0-asr-flash-filetrans
-
Qwen-Audio-ASR-Message:qwen-audio-3.1-asr-flash-message
-
Fun-ASR-Realtime:fun-asr-realtime
-
Fun-ASR-Flash:fun-asr-flash-2026-06-15
使用限制
熱詞限制
| 限制項 | 說明 |
|---|---|
熱詞清單數量 | 每帳號最多 50 個預編譯熱詞清單,所有模型共用。每個清單對應一個 |
熱詞數量 | Qwen-Audio-ASR-Message、Qwen-Audio-ASR-Streaming、Qwen-Audio-ASR-Filetrans、Qwen-Audio-ASR 系列:最多 2000 個。 Fun-ASR-Realtime、Fun-ASR-Flash、Fun-ASR 系列主要版本模型:最多 2000 個;上述系列的其他模型以及 Paraformer 系列:最多 500 個。 預編譯熱詞按單個清單計數,即時熱詞按單次請求計數。 |
超級熱詞數量 | 權重為 50 的詞條最多 50 個。 |
說明對於 Qwen-Audio-ASR-Message、Qwen-Audio-ASR-Streaming、Qwen-Audio-ASR-Filetrans 和 Qwen-Audio-ASR 系列模型,同時設定預編譯熱詞和即時熱詞時,系統會合併兩類熱詞;合併後超過 2000 個時,隨機選擇 2000 個使用。
熱詞文字規範
熱詞須為實際詞語,且語種在模型支援範圍內;即時熱詞和預編譯熱詞均遵循以下規範。
包含非 ASCII 字元
包含漢字、日文假名、韓文諺文、西里爾字母等非 ASCII 字元時,與 ASCII 字元合計不得超過 15 個字元,空格計入字元數。
| 文字 | 計數 | 是否符合長度要求 |
|---|---|---|
| 7 字元 | 是 |
| 7 字元 | 是 |
| 5 字元 | 是 |
| 15 字元 | 是 |
| 24 字元 | 否 |
僅包含 ASCII 字元
僅包含 ASCII 字元時,依空格分割後不得超過 7 個片段。
| 文字 | 計數 | 是否符合長度要求 |
|---|---|---|
| 2 片段 | 是 |
| 5 片段 | 是 |
| 11 片段 | 否 |
上下文限制
| 限制項 | 說明 |
|---|---|
上下文輪數 | 最多保留最近 5 輪; |
每輪文字長度 | 同一輪所有 |
說明Qwen-Audio-ASR-Message 還支援在任務執行中透過 continue-task 更新上下文,格式參見Message 用戶端事件。
功能計費
即時熱詞和預編譯熱詞功能本身免費。使用熱詞或上下文增強的模型呼叫費用,請參見計費規則。
相關 API
-
熱詞清單的建立、查詢、更新和刪除等操作,請參見熱詞管理 API。
-
熱詞管理 SDK:Java SDK、Python SDK。
-
模型呼叫 API:Qwen-Audio-ASR-Message 用戶端事件、Qwen-Audio-ASR-Streaming 用戶端事件、Qwen-Audio-ASR-Filetrans HTTP API、Qwen-Audio-ASR HTTP API。