錄音檔案識別-通義千問 - Alibaba Cloud Model Studio

通義千問系列的錄音檔案識別模型能將錄製好的音頻轉換為文本，支援多語言識別、歌唱識別、雜訊拒識等功能。

核心功能

多語種識別：支援多語種語音辨識（涵蓋普通話及多種方言，如粵語、四川話等）。
複雜環境適應：具備應對複雜聲學環境的能力，支援自動語種檢測與智能非人聲過濾。
歌唱識別：即使在伴隨背景音樂（BGM）的情況下，也能實現整首歌曲的轉寫。
上下文增強：通過配置上下文提高識別準確率。參見上下文增強。
情感識別：支援多種情緒狀態識別（涵蓋驚訝、平靜、愉快、悲傷、厭惡、憤怒和恐懼）。

適用範圍

支援的地區：
- 國際（新加坡）地區：需使用“國際（新加坡）”地區的API Key
- 中國大陸（北京）地區：需使用“中國大陸（北京）”地區的API Key
支援的模型
服務主要提供兩大核心模型：
- 通義千問3-ASR-Flash-Filetrans：專為長音頻（最長12小時）的非同步識別設計，適用於會議記錄、訪談整理等情境。
- 通義千問3-ASR-Flash：專為短音頻（最長5分鐘）的同步或流式識別設計，適用於語音訊息、即時字幕等情境。
國際（新加坡）
- 通義千問3-ASR-Flash-Filetrans：qwen3-asr-flash-filetrans、qwen3-asr-flash-filetrans-2025-11-17（快照版）
- 通義千問3-ASR-Flash：qwen3-asr-flash（穩定版，當前等同qwen3-asr-flash-2025-09-08）、qwen3-asr-flash-2025-09-08（快照版）
中國大陸（北京）
- 通義千問3-ASR-Flash-Filetrans：qwen3-asr-flash-filetrans、qwen3-asr-flash-filetrans-2025-11-17（快照版）
- 通義千問3-ASR-Flash：qwen3-asr-flash（穩定版，當前等同qwen3-asr-flash-2025-09-08）、qwen3-asr-flash-2025-09-08（快照版）

模型選型

情境	推薦模型	理由	注意事項
長音頻識別	qwen3-asr-flash-filetrans	支援最長12小時錄音，具備情感識別與句粒度時間戳記功能，適合後期索引與分析	音頻檔案大小不超過2GB，且時間長度不超過12小時
短音頻識別	qwen3-asr-flash	短音頻識別，低延遲	音頻檔案大小不超過10MB，且時間長度不超過5分鐘
客服質檢	qwen3-asr-flash-filetrans、qwen3-asr-flash	可分析客戶情緒	不支援敏感詞過濾；無說話人分離；根據音頻時間長度選擇合適的模型
新聞/訪談節目字幕產生	qwen3-asr-flash-filetrans	長音頻+標點預測+時間戳記，直接產生結構化字幕	需後處理產生標準字幕檔案；根據音頻時間長度選擇合適的模型
多語種視頻本地化	qwen3-asr-flash-filetrans、qwen3-asr-flash	覆蓋多種語言+方言，適合跨語種字幕製作	根據音頻時間長度選擇合適的模型
歌唱類音頻分析	qwen3-asr-flash-filetrans、qwen3-asr-flash	識別歌詞並分析情緒，適用於歌曲索引與推薦	根據音頻時間長度選擇合適的模型

更多說明請參見模型功能特性對比。

快速開始

暫不支援線上體驗，如需使用請通過API接入。下面是調用API的範例程式碼。

開始前，請確保您已擷取與配置 API Key。如果通過SDK調用，還需要安裝最新版DashScope SDK。

通義千問3-ASR-Flash-Filetrans

通義千問3-ASR-Flash-Filetrans模型專為音頻檔案的非同步轉寫設計，支援最長12小時錄音。該模型要求輸入為公網可訪問的音頻檔案URL，不支援直接上傳本地檔案。此外，它是一個非流式介面，會在任務完成後一次性返回全部識別結果。

cURL

使用 cURL 進行語音辨識時，需先提交任務擷取任務ID（task_id），再通過該ID擷取任務執行結果。

提交任務

# ======= 重要提示 =======
# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/services/audio/asr/transcription
# 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# === 執行時請刪除該注釋 ===

curl --location --request POST 'https://dashscope-intl.aliyuncs.com/api/v1/services/audio/asr/transcription' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header "Content-Type: application/json" \
--header "X-DashScope-Async: enable" \
--data '{
    "model": "qwen3-asr-flash-filetrans",
    "input": {
        "file_url": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3"
    },
    "parameters": {
        "channel_id":[
            0
        ], 
        "enable_itn": false
    }
}'

擷取任務執行結果

# ======= 重要提示 =======
# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/tasks/{task_id}，注意，將{task_id}替換為待查詢任務ID
# 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# === 執行時請刪除該注釋 ===

curl --location --request GET 'https://dashscope-intl.aliyuncs.com/api/v1/tasks/{task_id}' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header "X-DashScope-Async: enable" \
--header "Content-Type: application/json"

完整樣本

Java

import com.google.gson.Gson;
import com.google.gson.annotations.SerializedName;
import okhttp3.*;

import java.io.IOException;
import java.util.concurrent.TimeUnit;

public class Main {
    // 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/services/audio/asr/transcription
    private static final String API_URL_SUBMIT = "https://dashscope-intl.aliyuncs.com/api/v1/services/audio/asr/transcription";
    // 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/tasks/
    private static final String API_URL_QUERY = "https://dashscope-intl.aliyuncs.com/api/v1/tasks/";
    private static final Gson gson = new Gson();

    public static void main(String[] args) {
        // 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
        // 若沒有配置環境變數，請用百鍊API Key將下行替換為：String apiKey = "sk-xxx"
        String apiKey = System.getenv("DASHSCOPE_API_KEY");

        OkHttpClient client = new OkHttpClient();

        // 1. 提交任務
        /*String payloadJson = """
                {
                    "model": "qwen3-asr-flash-filetrans",
                    "input": {
                        "file_url": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3"
                    },
                    "parameters": {
                        "channel_id": [0],
                        "enable_itn": false,
                        "language": "zh",
                        "corpus": {
                            "text": ""
                        }
                    }
                }
                """;*/
        String payloadJson = """
                {
                    "model": "qwen3-asr-flash-filetrans",
                    "input": {
                        "file_url": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3"
                    },
                    "parameters": {
                        "channel_id": [0],
                        "enable_itn": false
                    }
                }
                """;

        RequestBody body = RequestBody.create(payloadJson, MediaType.get("application/json; charset=utf-8"));
        Request submitRequest = new Request.Builder()
                .url(API_URL_SUBMIT)
                .addHeader("Authorization", "Bearer " + apiKey)
                .addHeader("Content-Type", "application/json")
                .addHeader("X-DashScope-Async", "enable")
                .post(body)
                .build();

        String taskId = null;

        try (Response response = client.newCall(submitRequest).execute()) {
            if (response.isSuccessful() && response.body() != null) {
                String respBody = response.body().string();
                ApiResponse apiResp = gson.fromJson(respBody, ApiResponse.class);
                if (apiResp.output != null) {
                    taskId = apiResp.output.taskId;
                    System.out.println("任務已提交，task_id: " + taskId);
                } else {
                    System.out.println("提交返回內容: " + respBody);
                    return;
                }
            } else {
                System.out.println("任務提交失敗! HTTP code: " + response.code());
                if (response.body() != null) {
                    System.out.println(response.body().string());
                }
                return;
            }
        } catch (IOException e) {
            e.printStackTrace();
            return;
        }

        // 2. 輪詢任務狀態
        boolean finished = false;
        while (!finished) {
            try {
                TimeUnit.SECONDS.sleep(2);  // 等待 2 秒再查詢
            } catch (InterruptedException e) {
                Thread.currentThread().interrupt();
                return;
            }

            String queryUrl = API_URL_QUERY + taskId;
            Request queryRequest = new Request.Builder()
                    .url(queryUrl)
                    .addHeader("Authorization", "Bearer " + apiKey)
                    .addHeader("X-DashScope-Async", "enable")
                    .addHeader("Content-Type", "application/json")
                    .get()
                    .build();

            try (Response response = client.newCall(queryRequest).execute()) {
                if (response.body() != null) {
                    String queryResponse = response.body().string();
                    ApiResponse apiResp = gson.fromJson(queryResponse, ApiResponse.class);

                    if (apiResp.output != null && apiResp.output.taskStatus != null) {
                        String status = apiResp.output.taskStatus;
                        System.out.println("當前任務狀態: " + status);
                        if ("SUCCEEDED".equalsIgnoreCase(status)
                                || "FAILED".equalsIgnoreCase(status)
                                || "UNKNOWN".equalsIgnoreCase(status)) {
                            finished = true;
                            System.out.println("任務完成，最終結果: ");
                            System.out.println(queryResponse);
                        }
                    } else {
                        System.out.println("查詢返回內容: " + queryResponse);
                    }
                }
            } catch (IOException e) {
                e.printStackTrace();
                return;
            }
        }
    }

    static class ApiResponse {
        @SerializedName("request_id")
        String requestId;
        Output output;
    }

    static class Output {
        @SerializedName("task_id")
        String taskId;
        @SerializedName("task_status")
        String taskStatus;
    }
}

Python

import os
import time
import requests
import json

# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/services/audio/asr/transcription
API_URL_SUBMIT = "https://dashscope-intl.aliyuncs.com/api/v1/services/audio/asr/transcription"
# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/tasks/
API_URL_QUERY_BASE = "https://dashscope-intl.aliyuncs.com/api/v1/tasks/"


def main():
    # 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
    # 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key = "sk-xxx"
    api_key = os.getenv("DASHSCOPE_API_KEY")

    headers = {
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json",
        "X-DashScope-Async": "enable"
    }

    # 1. 提交任務
    payload = {
        "model": "qwen3-asr-flash-filetrans",
        "input": {
            "file_url": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3"
        },
        "parameters": {
            "channel_id": [0],
            # "language": "zh",
            "enable_itn": False
            # "corpus": {
            #     "text": ""
            # }
        }
    }

    print("提交 ASR 轉寫任務...")
    try:
        submit_resp = requests.post(API_URL_SUBMIT, headers=headers, data=json.dumps(payload))
    except requests.RequestException as e:
        print(f"請求提交任務失敗: {e}")
        return

    if submit_resp.status_code != 200:
        print(f"任務提交失敗! HTTP code: {submit_resp.status_code}")
        print(submit_resp.text)
        return

    resp_data = submit_resp.json()
    output = resp_data.get("output")
    if not output or "task_id" not in output:
        print("提交返回內容異常:", resp_data)
        return

    task_id = output["task_id"]
    print(f"任務已提交，task_id: {task_id}")

    # 2. 輪詢任務狀態
    finished = False
    while not finished:
        time.sleep(2)  # 等待 2 秒再查詢

        query_url = API_URL_QUERY_BASE + task_id
        try:
            query_resp = requests.get(query_url, headers=headers)
        except requests.RequestException as e:
            print(f"請求查詢任務失敗: {e}")
            return

        if query_resp.status_code != 200:
            print(f"查詢任務失敗! HTTP code: {query_resp.status_code}")
            print(query_resp.text)
            return

        query_data = query_resp.json()
        output = query_data.get("output")
        if output and "task_status" in output:
            status = output["task_status"]
            print(f"當前任務狀態: {status}")

            if status.upper() in ("SUCCEEDED", "FAILED", "UNKNOWN"):
                finished = True
                print("任務完成，最終結果如下：")
                print(json.dumps(query_data, indent=2, ensure_ascii=False))
        else:
            print("查詢返回內容:", query_data)


if __name__ == "__main__":
    main()

Java SDK

import com.alibaba.dashscope.audio.qwen_asr.*;
import com.alibaba.dashscope.utils.Constants;
import com.google.gson.Gson;
import com.google.gson.GsonBuilder;
import com.google.gson.JsonObject;

import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.net.HttpURLConnection;
import java.net.URL;
import java.util.ArrayList;
import java.util.HashMap;

public class Main {
    public static void main(String[] args) {
        // 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1
        Constants.baseHttpApiUrl = "https://dashscope-intl.aliyuncs.com/api/v1";
        QwenTranscriptionParam param =
                QwenTranscriptionParam.builder()
                        // 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
                        // 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apiKey("sk-xxx")
                        .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                        .model("qwen3-asr-flash-filetrans")
                        .fileUrl("https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/sensevoice/rich_text_example_1.wav")
                        //.parameter("language", "zh")
                        //.parameter("channel_id", new ArrayList<String>(){{add("0");add("1");}})
                        .parameter("enable_itn", false)
                        //.parameter("corpus", new HashMap<String, String>() {{put("text", "");}})
                        .build();
        try {
            QwenTranscription transcription = new QwenTranscription();
            // 提交任務
            QwenTranscriptionResult result = transcription.asyncCall(param);
            System.out.println("create task result: " + result);
            // 查詢任務狀態
            result = transcription.fetch(QwenTranscriptionQueryParam.FromTranscriptionParam(param, result.getTaskId()));
            System.out.println("task status: " + result);
            // 等待任務完成
            result =
                    transcription.wait(
                            QwenTranscriptionQueryParam.FromTranscriptionParam(param, result.getTaskId()));
            System.out.println("task result: " + result);
            // 擷取語音辨識結果
            QwenTranscriptionTaskResult taskResult = result.getResult();
            if (taskResult != null) {
                // 擷取識別結果的url
                String transcriptionUrl = taskResult.getTranscriptionUrl();
                // 擷取url內對應的結果
                HttpURLConnection connection =
                        (HttpURLConnection) new URL(transcriptionUrl).openConnection();
                connection.setRequestMethod("GET");
                connection.connect();
                BufferedReader reader =
                        new BufferedReader(new InputStreamReader(connection.getInputStream()));
                // 格式化輸出json結果
                Gson gson = new GsonBuilder().setPrettyPrinting().create();
                System.out.println(gson.toJson(gson.fromJson(reader, JsonObject.class)));
            }
        } catch (Exception e) {
            System.out.println("error: " + e);
        }
    }
}

Python SDK

import json
import os
import sys
from http import HTTPStatus

import dashscope
from dashscope.audio.qwen_asr import QwenTranscription
from dashscope.api_entities.dashscope_response import TranscriptionResponse


# run the transcription script
if __name__ == '__main__':
    # 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
    # 若沒有配置環境變數，請用百鍊API Key將下行替換為：dashscope.api_key = "sk-xxx"
    dashscope.api_key = os.getenv("DASHSCOPE_API_KEY")

    # 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1
    dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'
    task_response = QwenTranscription.async_call(
        model='qwen3-asr-flash-filetrans',
        file_url='https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/sensevoice/rich_text_example_1.wav',
        #language="",
        enable_itn=False
        #corpus= {
        #    "text": ""
        #}
    )
    print(f'task_response: {task_response}')
    print(task_response.output.task_id)
    query_response = QwenTranscription.fetch(task=task_response.output.task_id)
    print(f'query_response: {query_response}')
    task_result = QwenTranscription.wait(task=task_response.output.task_id)
    print(f'task_result: {task_result}')

通義千問3-ASR-Flash

通義千問3-ASR-Flash模型支援最長5分鐘錄音。該模型可輸入公網可訪問的音頻檔案URL或直接上傳本地檔案。此外，它可流式返回識別結果。

輸入內容：音頻檔案URL

Python SDK

import os
import dashscope

# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'

messages = [
    {"role": "system", "content": [{"text": ""}]},  # 配置定製化識別的 Context
    {"role": "user", "content": [{"audio": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3"}]}
]

response = dashscope.MultiModalConversation.call(
    # 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
    # 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key = "sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="qwen3-asr-flash",
    messages=messages,
    result_format="message",
    asr_options={
        #"language": "zh", # 可選，若已知音訊語種，可通過該參數指定待識別語種，以提升識別準確率
        "enable_itn":False
    }
)
print(response)

完整結果以JSON格式輸出到控制台。完整結果包含狀態代碼、唯一的請求ID、識別後的內容以及本次調用的token資訊。

{
    "status_code": 200,
    "output": {
        "choices": [
            {
                "finish_reason": "stop",
                "message": {
                    "annotations": [
                        {
                            "language": "zh",
                            "type": "audio_info",
                            "emotion": "neutral"
                        }
                    ],
                    "content": [
                        {
                            "text": "歡迎使用阿里雲。"
                        }
                    ],
                    "role": "assistant"
                }
            }
        ]
    },
    "usage": {
        "input_tokens_details": {
            "text_tokens": 0
        },
        "output_tokens_details": {
            "text_tokens": 6
        },
        "seconds": 1
    },
    "request_id": "568e2bf0-d6f2-97f8-9f15-a57b11dc6977"
}

Java SDK

import java.util.Arrays;
import java.util.Collections;
import java.util.HashMap;
import java.util.Map;

import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.utils.Constants;
import com.alibaba.dashscope.utils.JsonUtils;

public class Main {
    public static void simpleMultiModalConversationCall()
            throws ApiException, NoApiKeyException, UploadFileException {
        MultiModalConversation conv = new MultiModalConversation();
        MultiModalMessage userMessage = MultiModalMessage.builder()
                .role(Role.USER.getValue())
                .content(Arrays.asList(
                        Collections.singletonMap("audio", "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3")))
                .build();

        MultiModalMessage sysMessage = MultiModalMessage.builder().role(Role.SYSTEM.getValue())
                // 此處用於配置定製化識別的Context
                .content(Arrays.asList(Collections.singletonMap("text", "")))
                .build();

        Map<String, Object> asrOptions = new HashMap<>();
        asrOptions.put("enable_itn", false);
        // asrOptions.put("language", "zh"); // 可選，若已知音訊語種，可通過該參數指定待識別語種，以提升識別準確率
        MultiModalConversationParam param = MultiModalConversationParam.builder()
                // 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
                // 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apiKey("sk-xxx")
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .model("qwen3-asr-flash")
                .message(userMessage)
                .message(sysMessage)
                .parameter("asr_options", asrOptions)
                .build();
        MultiModalConversationResult result = conv.call(param);
        System.out.println(JsonUtils.toJson(result));
    }
    public static void main(String[] args) {
        try {
            // 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1
            Constants.baseHttpApiUrl = "https://dashscope-intl.aliyuncs.com/api/v1";
            simpleMultiModalConversationCall();
        } catch (ApiException | NoApiKeyException | UploadFileException e) {
            System.out.println(e.getMessage());
        }
        System.exit(0);
    }
}

完整結果以JSON格式輸出到控制台。完整結果包含狀態代碼、唯一的請求ID、識別後的內容以及本次調用的token資訊。

{
    "output": {
        "choices": [
            {
                "finish_reason": "stop",
                "message": {
                    "annotations": [
                        {
                            "language": "zh",
                            "type": "audio_info",
                            "emotion": "neutral"
                        }
                    ],
                    "content": [
                        {
                            "text": "歡迎使用阿里雲。"
                        }
                    ],
                    "role": "assistant"
                }
            }
        ]
    },
    "usage": {
        "input_tokens_details": {
            "text_tokens": 0
        },
        "output_tokens_details": {
            "text_tokens": 6
        },
        "seconds": 1
    },
    "request_id": "568e2bf0-d6f2-97f8-9f15-a57b11dc6977"
}

cURL

通過System Message的text參數，可以配置Context進行定製化識別。

# ======= 重要提示 =======
# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# === 執行時請刪除該注釋 ===

curl --location --request POST "https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation" \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header "Content-Type: application/json" \
--data "{
    "model": "qwen3-asr-flash",
    "input": {
        "messages": [
            {
                "content": [
                    {
                        "text": ""
                    }
                ],
                "role": "system"
            },
            {
                "content": [
                    {
                        "audio": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3"
                    }
                ],
                "role": "user"
            }
        ]
    },
    "parameters": {
        "asr_options": {
            "enable_itn": false
        }
    }
}"

完整結果以JSON格式輸出到控制台。完整結果包含狀態代碼、唯一的請求ID、識別後的內容以及本次調用的token資訊。

{
    "output": {
        "choices": [
            {
                "finish_reason": "stop",
                "message": {
                    "annotations": [
                        {
                            "language": "zh",
                            "type": "audio_info",
                            "emotion": "neutral"
                        }
                    ],
                    "content": [
                        {
                            "text": "歡迎使用阿里雲。"
                        }
                    ],
                    "role": "assistant"
                }
            }
        ]
    },
    "usage": {
        "input_tokens_details": {
            "text_tokens": 0
        },
        "output_tokens_details": {
            "text_tokens": 6
        },
        "seconds": 1
    },
    "request_id": "568e2bf0-d6f2-97f8-9f15-a57b11dc6977"
}

輸入內容：Base64編碼的音頻檔案

可輸入Base64編碼資料（Data URL），格式為：data:<mediatype>;base64,<data>。

<mediatype>：MIME類型
因音頻格式而異，例如：
- WAV：audio/wav
- MP3：audio/mpeg
- M4A：audio/mp4
<data>：音頻轉成的Base64編碼的字串
Base64編碼會增大體積，請控制原檔案大小，確保編碼後仍符合輸入音頻大小限制（10MB）

樣本：data:audio/wav;base64,SUQzBAAAAAAAI1RTU0UAAAAPAAADTGF2ZjU4LjI5LjEwMAAAAAAAAAAAAAAA//PAxABQ/BXRbMPe4IQAhl9

點擊查看範例程式碼

Python

import base64, pathlib

# input.mp3為用於聲音複刻的本地音頻檔案，請替換為自己的音頻檔案路徑，確保其符合音頻要求
file_path = pathlib.Path("input.mp3")
base64_str = base64.b64encode(file_path.read_bytes()).decode()
data_uri = f"data:audio/mpeg;base64,{base64_str}"

Java

import java.nio.file.*;
import java.util.Base64;

public class Main {
    /**
     * filePath為用於聲音複刻的本地音頻檔案，請替換為自己的音頻檔案路徑，確保其符合音頻要求
     */
    public static String toDataUrl(String filePath) throws Exception {
        byte[] bytes = Files.readAllBytes(Paths.get(filePath));
        String encoded = Base64.getEncoder().encodeToString(bytes);
        return "data:audio/mpeg;base64," + encoded;
    }

    // 使用樣本
    public static void main(String[] args) throws Exception {
        System.out.println(toDataUrl("input.mp3"));
    }
}

Python SDK

import base64
import dashscope
import os
import pathlib

# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'

# 請替換為實際的音頻檔案路徑
file_path = "welcome.mp3"
# 請替換為實際的音頻檔案MIME類型
audio_mime_type = "audio/mpeg"

file_path_obj = pathlib.Path(file_path)
if not file_path_obj.exists():
    raise FileNotFoundError(f"音頻檔案不存在: {file_path}")

base64_str = base64.b64encode(file_path_obj.read_bytes()).decode()
data_uri = f"data:{audio_mime_type};base64,{base64_str}"

messages = [
    {"role": "system", "content": [{"text": ""}]},  # 配置定製化識別的 Context
    {"role": "user", "content": [{"audio": data_uri}]}
]
response = dashscope.MultiModalConversation.call(
    # 新加坡和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
    # 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key = "sk-xxx",
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="qwen3-asr-flash",
    messages=messages,
    result_format="message",
    asr_options={
        # "language": "zh", # 可選，若已知音訊語種，可通過該參數指定待識別語種，以提升識別準確率
        "enable_itn":False
    }
)
print(response)

Java SDK

import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.*;

import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.utils.Constants;
import com.alibaba.dashscope.utils.JsonUtils;

public class Main {
    // 請替換為實際的音頻檔案路徑
    private static final String AUDIO_FILE = "welcome.mp3";
    // 請替換為實際的音頻檔案MIME類型
    private static final String AUDIO_MIME_TYPE = "audio/mpeg";

    public static void simpleMultiModalConversationCall()
            throws ApiException, NoApiKeyException, UploadFileException, IOException {
        MultiModalConversation conv = new MultiModalConversation();
        MultiModalMessage userMessage = MultiModalMessage.builder()
                .role(Role.USER.getValue())
                .content(Arrays.asList(
                        Collections.singletonMap("audio", toDataUrl())))
                .build();

        MultiModalMessage sysMessage = MultiModalMessage.builder().role(Role.SYSTEM.getValue())
                // 此處用於配置定製化識別的Context
                .content(Arrays.asList(Collections.singletonMap("text", "")))
                .build();

        Map<String, Object> asrOptions = new HashMap<>();
        asrOptions.put("enable_itn", false);
        // asrOptions.put("language", "zh"); // 可選，若已知音訊語種，可通過該參數指定待識別語種，以提升識別準確率
        MultiModalConversationParam param = MultiModalConversationParam.builder()
                // 新加坡和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
                // 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apiKey("sk-xxx")
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .model("qwen3-asr-flash")
                .message(userMessage)
                .message(sysMessage)
                .parameter("asr_options", asrOptions)
                .build();
        MultiModalConversationResult result = conv.call(param);
        System.out.println(JsonUtils.toJson(result));
    }

    public static void main(String[] args) {
        try {
            // 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1
            Constants.baseHttpApiUrl = "https://dashscope-intl.aliyuncs.com/api/v1";
            simpleMultiModalConversationCall();
        } catch (ApiException | NoApiKeyException | UploadFileException | IOException e) {
            System.out.println(e.getMessage());
        }
        System.exit(0);
    }

    // 產生 data URI
    public static String toDataUrl() throws IOException {
        byte[] bytes = Files.readAllBytes(Paths.get(AUDIO_FILE));
        String encoded = Base64.getEncoder().encodeToString(bytes);
        return "data:" + AUDIO_MIME_TYPE + ";base64," + encoded;
    }
}

輸入內容：本地音頻檔案絕對路徑

使用DashScope SDK處理本地影像檔時，需要傳入檔案路徑。請您參考下表，結合您的使用方式與作業系統進行檔案路徑的建立。

系統	SDK	傳入的檔案路徑	樣本
Linux或macOS系統	Python SDK	file://{檔案的絕對路徑}	file:///home/images/test.png
Linux或macOS系統	Java SDK	file://{檔案的絕對路徑}	file:///home/images/test.png
Windows系統	Python SDK	file://{檔案的絕對路徑}	file://D:/images/test.png
Windows系統	Java SDK	file:///{檔案的絕對路徑}	file:///D:images/test.png

重要

使用本地檔案時，介面調用上限為 100 QPS，且不支援擴容，請勿用於生產環境、高並發及壓測情境；如需更高並發，建議將檔案上傳至 OSS 並通過錄音檔案 URL 方式調用。

Python SDK

import os
import dashscope

# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'

# 請用您的本地音訊絕對路徑替換 ABSOLUTE_PATH/welcome.mp3
audio_file_path = "file://ABSOLUTE_PATH/welcome.mp3"

messages = [
    {"role": "system", "content": [{"text": ""}]},  # 配置定製化識別的 Context
    {"role": "user", "content": [{"audio": audio_file_path}]}
]
response = dashscope.MultiModalConversation.call(
    # 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
    # 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key = "sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="qwen3-asr-flash",
    messages=messages,
    result_format="message",
    asr_options={
        # "language": "zh", # 可選，若已知音訊語種，可通過該參數指定待識別語種，以提升識別準確率
        "enable_itn":False
    }
)
print(response)

完整結果以JSON格式輸出到控制台。完整結果包含狀態代碼、唯一的請求ID、識別後的內容以及本次調用的token資訊。

{
  "status_code": 200,
  "request_id": "86579e33-9c51-4530-a699-30c1683bd92c",
  "code": "",
  "message": "",
  "output": {
    "text": null,
    "finish_reason": null,
    "choices": [
      {
        "finish_reason": "stop",
        "message": {
          "role": "assistant",
          "content": [
            {
              "text": "這周末你有什麼安排嗎？我看天氣預報說可能會下雨，要不提前訂個室內活動。"
            }
          ],
          "annotations": [
            {
              "emotion": "neutral",
              "language": "zh",
              "type": "audio_info"
            }
          ]
        }
      }
    ],
    "audio": null
  },
  "usage": {
    "input_tokens": 0,
    "output_tokens": 0,
    "characters": 0,
    "input_tokens_details": {
      "text_tokens": 15
    },
    "output_tokens_details": {
      "text_tokens": 29
    },
    "seconds": 7
  }
}

Java SDK

import java.util.Arrays;
import java.util.Collections;
import java.util.HashMap;
import java.util.Map;

import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.utils.Constants;
import com.alibaba.dashscope.utils.JsonUtils;

public class Main {
    public static void simpleMultiModalConversationCall()
            throws ApiException, NoApiKeyException, UploadFileException {
        // 請用您本地檔案的絕對路徑替換掉ABSOLUTE_PATH/welcome.mp3
        String localFilePath = "file://ABSOLUTE_PATH/welcome.mp3";
        MultiModalConversation conv = new MultiModalConversation();
        MultiModalMessage userMessage = MultiModalMessage.builder()
                .role(Role.USER.getValue())
                .content(Arrays.asList(
                        Collections.singletonMap("audio", localFilePath)))
                .build();

        MultiModalMessage sysMessage = MultiModalMessage.builder().role(Role.SYSTEM.getValue())
                // 此處用於配置定製化識別的Context
                .content(Arrays.asList(Collections.singletonMap("text", "")))
                .build();

        Map<String, Object> asrOptions = new HashMap<>();
        asrOptions.put("enable_itn", false);
        // asrOptions.put("language", "zh"); // 可選，若已知音訊語種，可通過該參數指定待識別語種，以提升識別準確率
        MultiModalConversationParam param = MultiModalConversationParam.builder()
                // 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
                // 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apiKey("sk-xxx")
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .model("qwen3-asr-flash")
                .message(userMessage)
                .message(sysMessage)
                .parameter("asr_options", asrOptions)
                .build();
        MultiModalConversationResult result = conv.call(param);
        System.out.println(JsonUtils.toJson(result));
    }
    public static void main(String[] args) {
        try {
            // 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1
            Constants.baseHttpApiUrl = "https://dashscope-intl.aliyuncs.com/api/v1";
            simpleMultiModalConversationCall();
        } catch (ApiException | NoApiKeyException | UploadFileException e) {
            System.out.println(e.getMessage());
        }
        System.exit(0);
    }
}

完整結果以JSON格式輸出到控制台。完整結果包含狀態代碼、唯一的請求ID、識別後的內容以及本次調用的token資訊。

{
  "status_code": 200,
  "request_id": "86579e33-9c51-4530-a699-30c1683bd92c",
  "code": "",
  "message": "",
  "output": {
    "text": null,
    "finish_reason": null,
    "choices": [
      {
        "finish_reason": "stop",
        "message": {
          "role": "assistant",
          "content": [
            {
              "text": "這周末你有什麼安排嗎？我看天氣預報說可能會下雨，要不提前訂個室內活動。"
            }
          ],
          "annotations": [
            {
              "emotion": "neutral",
              "language": "zh",
              "type": "audio_info"
            }
          ]
        }
      }
    ],
    "audio": null
  },
  "usage": {
    "input_tokens": 0,
    "output_tokens": 0,
    "characters": 0,
    "input_tokens_details": {
      "text_tokens": 15
    },
    "output_tokens_details": {
      "text_tokens": 29
    },
    "seconds": 7
  }
}

流式輸出

模型並不是一次性產生最終結果，而是逐步地產生中間結果，最終結果由中間結果拼接而成。使用非流式輸出方式需要等待模型產生結束後再將產生的中間結果拼接後返回，而流式輸出可以即時地將中間結果返回，您可以在模型進行輸出的同時進行閱讀，減少等待模型回複的時間。您可以根據調用方式來設定不同的參數以實現流式輸出：

DashScope Python SDK方式：設定stream參數為true。
DashScope Java SDK方式：需要通過streamCall介面調用。
DashScope HTTP方式：需要在Header中指定X-DashScope-SSE為enable。

Python SDK

import os
import dashscope

# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'

messages = [
    {"role": "system", "content": [{"text": ""}]},  # 配置定製化識別的 Context
    {"role": "user", "content": [{"audio": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3"}]}
]
response = dashscope.MultiModalConversation.call(
    # 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
    # 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key = "sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="qwen3-asr-flash",
    messages=messages,
    result_format="message",
    asr_options={
        # "language": "zh", # 可選，若已知音訊語種，可通過該參數指定待識別語種，以提升識別準確率
        "enable_itn":False
    },
    stream=True
)

for response in response:
    try:
        print(response["output"]["choices"][0]["message"].content[0]["text"])
    except:
        pass

識別的中間結果以字串的形式輸出到控制台上。

歡迎
歡迎使用
歡迎使用阿里
歡迎使用阿里雲
歡迎使用阿里雲。
歡迎使用阿里雲。

Java SDK

import java.util.Arrays;
import java.util.Collections;
import java.util.HashMap;
import java.util.Map;

import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.utils.Constants;
import io.reactivex.Flowable;

public class Main {
    public static void simpleMultiModalConversationCall()
            throws ApiException, NoApiKeyException, UploadFileException {
        MultiModalConversation conv = new MultiModalConversation();
        MultiModalMessage userMessage = MultiModalMessage.builder()
                .role(Role.USER.getValue())
                .content(Arrays.asList(
                        Collections.singletonMap("audio", "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3")))
                .build();

        MultiModalMessage sysMessage = MultiModalMessage.builder().role(Role.SYSTEM.getValue())
                // 此處用於配置定製化識別的Context
                .content(Arrays.asList(Collections.singletonMap("text", "")))
                .build();

        Map<String, Object> asrOptions = new HashMap<>();
        asrOptions.put("enable_itn", false);
        // asrOptions.put("language", "zh"); // 可選，若已知音訊語種，可通過該參數指定待識別語種，以提升識別準確率
        MultiModalConversationParam param = MultiModalConversationParam.builder()
                // 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
                // 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apiKey("sk-xxx")
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .model("qwen3-asr-flash")
                .message(userMessage)
                .message(sysMessage)
                .parameter("asr_options", asrOptions)
                .build();
        Flowable<MultiModalConversationResult> resultFlowable = conv.streamCall(param);
        resultFlowable.blockingForEach(item -> {
            try {
                System.out.println(item.getOutput().getChoices().get(0).getMessage().getContent().get(0).get("text"));
            } catch (Exception e){
                System.exit(0);
            }
        });
    }

    public static void main(String[] args) {
        try {
            // 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1
            Constants.baseHttpApiUrl = "https://dashscope-intl.aliyuncs.com/api/v1";
            simpleMultiModalConversationCall();
        } catch (ApiException | NoApiKeyException | UploadFileException e) {
            System.out.println(e.getMessage());
        }
        System.exit(0);
    }
}

識別的中間結果會以字串的形式輸出到控制台上。

歡迎
歡迎使用
歡迎使用阿里
歡迎使用阿里雲
歡迎使用阿里雲。
歡迎使用阿里雲。

cURL

通過System Message的text參數，可以配置Context進行定製化識別。

# ======= 重要提示 =======
# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# === 執行時請刪除該注釋 ===

curl --location --request POST "https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation" \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header "Content-Type: application/json" \
--header "X-DashScope-SSE: enable" \
--data "{
    "model": "qwen3-asr-flash",
    "input": {
        "messages": [
            {
                "content": [
                    {
                        "text": ""
                    }
                ],
                "role": "system"
            },
            {
                "content": [
                    {
                        "audio": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3"
                    }
                ],
                "role": "user"
            }
        ]
    },
    "parameters": {
        "incremental_output": true,
        "asr_options": {
            "enable_itn": false
        }
    }
}"

識別的中間結果會以JSON的形式輸出到控制台上。

id:1
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"annotations":[{"type":"audio_info","language":"zh","emotion": "neutral"}],"content":[{"text":"歡迎"}],"role":"assistant"},"finish_reason":"null"}]},"usage":{"output_tokens_details":{"text_tokens":2},"input_tokens_details":{"text_tokens":0},"seconds":1},"request_id":"05a122e9-2f28-9e37-8156-0e564a8126e0"}

id:2
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"annotations":[{"type":"audio_info","language":"zh","emotion": "neutral"}],"content":[{"text":"使用"}],"role":"assistant"},"finish_reason":"null"}]},"usage":{"output_tokens_details":{"text_tokens":3},"input_tokens_details":{"text_tokens":0},"seconds":1},"request_id":"05a122e9-2f28-9e37-8156-0e564a8126e0"}

id:3
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"annotations":[{"type":"audio_info","language":"zh","emotion": "neutral"}],"content":[{"text":"阿里"}],"role":"assistant"},"finish_reason":"null"}]},"usage":{"output_tokens_details":{"text_tokens":4},"input_tokens_details":{"text_tokens":0},"seconds":1},"request_id":"05a122e9-2f28-9e37-8156-0e564a8126e0"}

id:4
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"annotations":[{"type":"audio_info","language":"zh","emotion": "neutral"}],"content":[{"text":"雲"}],"role":"assistant"},"finish_reason":"null"}]},"usage":{"output_tokens_details":{"text_tokens":5},"input_tokens_details":{"text_tokens":0},"seconds":1},"request_id":"05a122e9-2f28-9e37-8156-0e564a8126e0"}

id:5
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"annotations":[{"type":"audio_info","language":"zh","emotion": "neutral"}],"content":[{"text":"。"}],"role":"assistant"},"finish_reason":"null"}]},"usage":{"output_tokens_details":{"text_tokens":6},"input_tokens_details":{"text_tokens":0},"seconds":1},"request_id":"05a122e9-2f28-9e37-8156-0e564a8126e0"}

id:6
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":[],"role":"assistant"},"finish_reason":"stop"}]},"usage":{"output_tokens_details":{"text_tokens":6},"input_tokens_details":{"text_tokens":0},"seconds":1},"request_id":"05a122e9-2f28-9e37-8156-0e564a8126e0"}

核心用法：上下文增強

Qwen3-ASR支援通過提供上下文（Context），對特定領域的專有詞彙（如人名、地名、產品術語）進行識別最佳化，顯著提升轉寫準確率。此功能遠比傳統的熱詞方案更靈活、強大。

長度限制：Context內容不超過 10000 Token。

用法：調用API時，通過System Message的text參數傳入文本即可。

支援的文本類型：包括（但不限於）

熱詞列表（多種分隔字元格式，如熱詞 1、熱詞 2、熱詞 3、熱詞 4）
任意格式與長度的文本段落或篇章
混合內容：詞表與段落的任意組合
無關或無意義文本（包括亂碼，對無關文本的容錯性極高，幾乎不會受到負面影響）

樣本：

某段音頻正確識別結果應該為“投行圈內部的那些黑話，你瞭解哪些？首先，外資九大投行，Bulge Bracket，BB ...”。

不使用上下文增強

未使用上下文增強時，部分投行公司名稱識別有誤，例如 “Bird Rock” 正確應為 “Bulge Bracket”。

識別結果：“投行圈內部的那些黑話，你瞭解哪些？首先，外資九大投行，Bird Rock，BB ...”

使用上下文增強

使用上下文增強，對投行公司名稱識別正確。

識別結果：“投行圈內部的那些黑話，你瞭解哪些？首先，外資九大投行，Bulge Bracket，BB ...”

實現上述效果，可在上下文中加入以下任一內容：

詞表：

詞表1：

Bulge Bracket、Boutique、Middle Market、國內券商

詞表2：

Bulge Bracket Boutique Middle Market 國內券商

詞表3：

['Bulge Bracket', 'Boutique', 'Middle Market', '國內券商']

自然語言：

投行分類大揭秘！
最近有不少澳洲的小夥伴問我，到底什麼是投行？今天就來給大家科普一下，對於留學生來說，投行主要可以分為四大類：Bulge Bracket、Boutique、Middle Market和國內券商。
Bulge Bracket投行：這就是我們常說的九大投行，包括高盛、摩根士丹利等。這些大行在業務範圍和規模上都相當龐大。
Boutique投行：這些投行規模相對較小，但業務領域非常專註。比如Lazard、Evercore等，它們在特定領域有著深厚的專業知識和經驗。
Middle Market投行：這類投行主要服務於中型公司，提供併購、IPO等業務。雖然規模不如大行，但在特定市場上有很高的影響力。
國內券商：隨著中國市場的崛起，國內券商在國際市場上也扮演著越來越重要的角色。
此外，還有一些Position和business的劃分，大家可以參考相關的圖表。希望這些資訊能協助大家更好地瞭解投行，為未來的職業生涯做好準備！

有幹擾的自然語言：有些文本和識別內容無關，例如下面這個樣本裡的人名

投行分類大揭秘！
最近有不少澳洲的小夥伴問我，到底什麼是投行？今天就來給大家科普一下，對於留學生來說，投行主要可以分為四大類：Bulge Bracket、Boutique、Middle Market和國內券商。
Bulge Bracket投行：這就是我們常說的九大投行，包括高盛、摩根士丹利等。這些大行在業務範圍和規模上都相當龐大。
Boutique投行：這些投行規模相對較小，但業務領域非常專註。比如Lazard、Evercore等，它們在特定領域有著深厚的專業知識和經驗。
Middle Market投行：這類投行主要服務於中型公司，提供併購、IPO等業務。雖然規模不如大行，但在特定市場上有很高的影響力。
國內券商：隨著中國市場的崛起，國內券商在國際市場上也扮演著越來越重要的角色。
此外，還有一些Position和business的劃分，大家可以參考相關的圖表。希望這些資訊能協助大家更好地瞭解投行，為未來的職業生涯做好準備！
王皓軒 李梓涵 張景行 劉欣怡 陳俊傑 楊思遠 趙雨桐 黃志強 周子墨 吳雅靜 徐若曦 孫浩然 胡瑾瑜 朱晨曦 郭文博 何靜姝 高宇航 林逸飛 
鄭曉燕 梁博文 羅佳琪 宋明哲 謝婉婷 唐子騫 韓夢瑤 馮毅然 曹沁雪 鄧子睿 蕭望舒 許嘉樹 
程一諾 袁芷若 彭浩宇 董思淼 範景玉 蘇子衿 呂文軒 蔣詩涵 丁沐宸 
魏書瑤 任天佑 薑亦辰 華清羽 沈星河 傅瑾瑜 姚星辰 鐘靈毓 閻立誠 金若水 陶然亭 戚少商 薛芷蘭 鄒雲帆 熊子昂 柏文峰 易千帆

API參考

錄音檔案識別-通義千問API參考

模型功能特性對比

功能/特性	qwen3-asr-flash-filetrans、qwen3-asr-flash-filetrans-2025-11-17	qwen3-asr-flash、qwen3-asr-flash-2025-09-08
支援語言	中文（普通話、四川話、閩南語、吳語、粵語）、英語、日語、德語、韓語、俄語、法語、葡萄牙語、阿拉伯語、意大利語、西班牙語、印地語、印尼語、泰語、土耳其語、烏克蘭語、越南語、捷克語、丹麥語、菲律賓語、芬蘭語、冰島語、馬來語、挪威語、波蘭語、瑞典語
支援的音頻格式	aac、amr、avi、flac、flv、m4a、mkv、mov、mp3、mp4、mpeg、ogg、opus、wav、webm、wma、wmv	aac、amr、avi、aiff、flac、flv、m4a、mkv、mp3、mpeg、ogg、opus、wav、webm、wma、wmv
採樣率	任意
聲道	任意不同模型在處理多頻道音訊時方式存在差異：通義千問3-ASR-Flash-Filetrans：需通過`channel_id`參數指定音軌索引通義千問3-ASR-Flash：無需額外處理，模型會對多頻道音訊做均值合并後再處理
輸入形式	公網可訪問的待識別檔案URL	Base64編碼的檔案、本地檔案絕對路徑、公網可訪問的待識別檔案URL
音頻大小/時間長度	音頻檔案大小不超過2GB，且時間長度不超過12小時	音頻檔案大小不超過10MB，且時間長度不超過5分鐘
情感識別	支援固定開啟
時間戳記	支援固定開啟	不支援
標點符號預測	支援固定開啟
上下文增強	支援可配置
ITN	支援預設關閉，可開啟，僅適用於中、英文
歌唱識別	支援固定開啟
雜訊拒識	支援固定開啟
敏感詞過濾	不支援
說話人分離	不支援
語氣詞過濾	不支援
VAD	支援固定開啟	不支援
限流（RPM）	100
接入方式	RESTful API	Java/Python SDK、RESTful API
價格	國際（新加坡）：$0.000035/秒中國大陸（北京）：$0.000032/秒

常見問題

Q：如何為API提供公網可訪問的音頻URL？

推薦使用阿里雲Object Storage Service，它提供了高可用、高可靠的儲存服務，並且可以方便地產生公網訪問URL。

在公網環境下驗證產生的 URL 可正常訪問：可在瀏覽器或通過 curl 命令訪問該 URL，確保音頻檔案能夠成功下載或播放（HTTP狀態代碼為200）。

Q：如何檢查音頻格式是否符合要求？

可以使用開源工具ffprobe快速擷取音訊詳細資料：

# 查詢音訊容器格式(format_name)、編碼(codec_name)、採樣率(sample_rate)、聲道數(channels)
ffprobe -v error -show_entries format=format_name -show_entries stream=codec_name,sample_rate,channels -of default=noprint_wrappers=1 your_audio_file.mp3

Q：如何處理音頻以滿足模型要求？

可以使用開源工具FFmpeg對音頻進行裁剪或格式轉換：

音頻裁剪：從長音頻中截取片段

# -i: 輸入檔案
# -ss 00:01:30: 設定裁剪的起始時間 (從1分30秒開始)
# -t 00:02:00: 設定裁剪的持續時間長度 (裁剪2分鐘)
# -c copy: 直接複製音頻流，不重新編碼，速度快
# output_clip.wav: 輸出檔案
ffmpeg -i long_audio.wav -ss 00:01:30 -t 00:02:00 -c copy output_clip.wav

格式轉換

例如，將任意音頻轉換為16kHz、16-bit、單聲道WAV檔案

# -i: 輸入檔案
# -ac 1: 設定聲道數為1 (單聲道)
# -ar 16000: 設定採樣率為16000Hz (16kHz)
# -sample_fmt s16: 設定採樣格式為16-bit signed integer PCM
# output.wav: 輸出檔案
ffmpeg -i input.mp3 -ac 1 -ar 16000 -sample_fmt s16 output.wav

核心功能

適用範圍

國際（新加坡）

中國大陸（北京）

模型選型

快速開始

通義千問3-ASR-Flash-Filetrans

cURL

提交任務

擷取任務執行結果

完整樣本

Java

Python

Java SDK

Python SDK

通義千問3-ASR-Flash

輸入內容：音頻檔案URL

Python SDK

Java SDK

cURL

輸入內容：Base64編碼的音頻檔案

Python SDK

Java SDK

輸入內容：本地音頻檔案絕對路徑

Python SDK

Java SDK

流式輸出

Python SDK

Java SDK

cURL

核心用法：上下文增強

API參考

模型功能特性對比

常見問題

Q：如何為API提供公網可訪問的音頻URL？

Q：如何檢查音頻格式是否符合要求？

Q：如何處理音頻以滿足模型要求？