全部產品
Search
文件中心

Alibaba Cloud Model Studio:提升識別準確率

更新時間:Nov 07, 2026

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

即時熱詞

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。

預編譯熱詞

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。

上下文增強

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。

  1. 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
      }
    }
    '
    
  2. 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

text

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。

weight

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。

lang

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 language_hints 的關係參見組織與維護詞表。

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

  1. 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
    
  2. 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
    
  3. 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
    
  4. 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 parameters.vocabulary;預編譯熱詞需核對帳號、vocabulary_id、status=OK,以及建立清單時的 target_model 是否與目前模型一致。

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 lang 與辨識介面 language_hints 是否相符,避免使用不屬於目前語言的詞條。

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 language_hints 宣告語言。模型選擇與音訊要求請參見語音辨識概述。

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 vocabulary_id。

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

"厄洛替尼盐酸盐"

7 字元

是

"EGFR抑制剂"

7 字元

是

"こんにちは"

5 字元

是

"Фенибут Белфарм"

15 字元

是

"Клофелин Белмедпрепараты"

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

"Exothermic reaction"

2 片段

是

"Human immunodeficiency virus type 1"

5 片段

是

"The effect of temperature variations on enzyme activity in biochemical reactions"

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;input_text 和 text 類型的上下文訊息各最多 5 條,超出時忽略早期訊息,不報錯。僅傳領域文字時也需遵循文字長度限制。

每輪文字長度

同一輪所有 user 和 assistant 訊息的 text 欄位長度總和不超過 400 個字元。字母、漢字、數字、空格和標點均各計 1 個字元。超出部分從末尾截斷,不報錯;各輪獨立計算。

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