阿里发布Qwen-Audio-3.1-ASR系列

阿里巴巴发布Qwen-Audio-3.1-ASR音频语言模型系列技术报告，在上一代3.0基础上改进语音识别，并新增说话人分离转录和通用音频理解能力。系列支持30种语言及16种中文方言，可通过历史上下文、层级热词等条件控制转录与润色。 说话人分离ASR可输出说话人标签、时间戳和识别文本；通用音频理解覆盖音频描述、时间定位、声音事件检测、音频问答与选择题推理。部署方式包括异步文件转录、低延迟流式、交互式语音输入和非流式识别。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。