通过热词(即时热词、预编译热词)和上下文增强,改善人名、产品名、行业术语等词汇的语音识别效果。
选择优化方式
人名、产品名和行业术语可能与常用词发音相近,识别时容易出现同音字或词语错误。热词和上下文增强可为模型补充这些词汇的准确写法或相关背景,帮助改善识别效果。
选择优化方式时,先看业务已有的信息:有明确的术语清单,可使用热词;已有对话历史或业务说明,可使用上下文增强。热词再按词表是否需要跨请求复用,分为即时热词和预编译热词。使用前确认支持的模型与地域。
| 方式 | 适用情况 | 使用方法 |
|---|---|---|
待识别的人名、产品名等随请求变化,或只有少量临时术语,不需要保存和管理词表。 | 在每次识别请求中直接传入“词语:权重”对象。应用需准备待识别词语的准确写法,可通过权重调整模型对这些词语的偏好。 | |
已有业务词库,或一组术语会在多次识别中反复使用,希望统一维护词表。 | 先创建包含词语、权重和可选语种的热词列表,识别时引用列表 ID。词库有变化时更新列表,无需在每个识别请求中重复提交词条。 | |
应用已保存前几轮对话、业务说明或领域文本,希望直接利用这些内容辅助识别。 | 将相关文本作为上下文消息随音频传入,无需先提取词条或逐词设置权重。上下文应包含待识别术语的准确写法;只有明确的术语清单时,也可以使用热词解决同类问题。 |
使用热词
运行示例前,请先下载示例音频并准备 API Key(可在百炼控制台获取)。音频内容:“请把祺元项目的报告发给洛柯,下周我们要上线璇枢系统。”
即时热词
即时热词适合随请求变化的词语。在识别请求的 parameters.vocabulary 中传入 JSON 对象:键为热词文本(string),值为权重(integer),无需预先创建词表。
-
不配置热词,识别原始音频
未配置热词时,本例中的三个名称识别不准确。原始识别结果可通过以下请求获取。
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 } } ' -
随请求加入即时热词
在相同请求中加入“祺元”“洛柯”“璇枢”,权重均设为 4,其余输入保持一致。权重范围和调整方法参见调整热词权重。
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 } } } '
配置前后的识别文本示例如下:
| 配置 | 识别文本示例 |
|---|---|
未配置 | 请把漆园项目的报告发给罗科,下周我们要上线玄枢系统。 |
配置后 | 请把祺元项目的报告发给洛柯,下周我们要上线璇枢系统。 |
预编译热词
预编译热词适合需要跨请求复用的业务词表。预先创建热词列表后,在识别请求中传入 vocabulary_id,无需每次重复提交词条。
创建时以 JSON 数组提交词条,每个元素的字段如下:
| 字段 | 类型 | 必填 | 说明 |
|---|---|---|---|
| string | 是 | 实际词语,语种须在所选模型的支持范围内。长度要求参见热词文本规范。 |
| integer | 是 | 普通热词取值为 1~5,推荐从 4 起调。部分模型支持超级热词权重 50,详见调整热词权重。 |
| string | 否 | 语种代码,限定词条作用的语种;语种未知时可省略。与识别接口 |
创建热词列表时指定的目标模型须与实际识别模型一致。
说明热词管理与语音识别必须使用同一账号,否则识别接口无法访问对应的热词列表。
HTTP / cURL
-
创建热词列表
以下示例使用
qwen-audio-3.1-asr-flash,通过target_model指定目标模型。保存响应中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 -
确认列表可用
将
<vocabulary_id>替换为创建接口返回的列表 ID,再查询状态。确认响应中的output.status为OK后进行识别。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 -
在识别请求中引用列表
在识别请求中通过
parameters.vocabulary_id引用该列表,无需重复传入词条。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 -
复用或删除列表
后续请求可继续引用同一 ID。仅在不再需要此列表时调用以下删除接口,释放列表配额。
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
说明SDK 示例使用 DashScope Python SDK 2.0.1 及以上版本或 Java SDK 2.22.23 及以上版本,安装方法参见安装 SDK。
以下 Java、Python 示例使用 qwen-audio-3.1-asr-flash-streaming,完成创建、状态查询、识别和删除。finally 中的删除用于清理演示资源;生产环境需要复用时,保留列表及其 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)
使用上下文增强
上下文增强可以直接利用已有对话历史或领域文本。与热词要求应用提供词语和权重不同,上下文以文本消息传入,不需要先把业务资料拆成词条。两种方式都可能改善专有名词的识别,应根据应用已有的信息选择。
准备上下文
沿用上述音频:如果应用已有“祺元项目、璇枢系统、同事洛柯”的业务信息,可直接传入包含这些准确名称的文本。常见的上下文来源有以下两种。
业务背景或领域文本
例如已有的项目说明或行业资料。将相关文本放入 role=user、type=input_text 的消息中,无需为此构造对话或添加回复。以下数组可作为上下文传入:
[
{
"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。"
}
]
}
]
历史对话
使用已有的用户识别文本和大模型回复:用户文本使用 role=user、type=input_text,回复使用 role=assistant、type=text。以下对话中已出现待识别名称,可直接作为后续识别的背景:
[
{
"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。"
}
]
}
]
说明assistant 消息可省略。使用历史对话时,按轮次排列,每轮 user 在对应 assistant 之前。文本长度和保留轮数参见使用限制。
配置与调用
使用准备好的上下文识别同一段音频,按模型系列选择调用示例。
Qwen-Audio-ASR
以下示例使用 qwen-audio-3.1-asr-flash,在 input.messages 中按顺序放入上下文消息,并将包含 input_audio 的当前音频消息放在最后。
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
以下示例使用 qwen-audio-3.1-asr-flash-streaming(也可替换为 qwen-audio-3.1-asr-flash-message),在启动任务时通过 input.context 传入上下文。
说明SDK 示例使用 DashScope Python SDK 2.0.1 及以上版本或 Java SDK 2.22.23 及以上版本,安装方法参见安装 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
以下示例使用 qwen-audio-3.1-asr-flash-filetrans,在 input.file_urls 中提供音频 URL,在 input.context 中提供上下文,然后异步提交任务、查询状态并下载结果。
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"])
移除示例中的上下文配置,再识别同一段音频,即可对比配置前后的结果。以下为识别文本示例:
| 配置 | 识别文本示例 |
|---|---|
未配置 | 请把漆园项目的报告发给罗科,下周我们要上线玄枢系统。 |
配置后 | 请把祺元项目的报告发给洛柯,下周我们要上线璇枢系统。 |
效果调优与排查
使用同一音频对比配置前后的结果,再调整词条、权重或上下文内容。热词调优同时适用于即时热词和预编译热词。
调整热词权重
普通热词的权重范围为 1~5,建议从 weight=4 起调。权重越高,模型越倾向于输出该词;权重过高可能把其他发音相近的词错误替换为热词。
| 权重 | 偏好程度 | 适用情况 |
|---|---|---|
1~2 | 较弱 | 与常用词发音相近,需要避免过度纠偏 |
3~4 | 较明显 | 推荐作为大多数场景的起始配置 |
5 | 较强 | 音频中频繁出现、较少与其他词混淆的术语 |
超级热词:Qwen-Audio-ASR-Message、Qwen-Audio-ASR-Streaming、Qwen-Audio-ASR-Filetrans 和 Qwen-Audio-ASR 系列的即时热词、预编译热词还支持 weight=50,可提高目标词召回率,每个词表或请求最多 50 个。
组织与维护词表
-
按场景分组:预编译热词可为不同业务场景创建独立列表,例如分别维护医疗术语和产品名称,减少无关词条。
-
区分词条语种与音频语种:预编译词表可混入不同语种的词条,通过
lang区分。language_hints属于识别接口,用于声明音频语种;设置后,仅语种匹配的热词生效,其他语种的热词被忽略。 -
定期维护:按业务需要更新词条,删除不再使用的列表以释放配额。
说明建议两次热词列表更新至少间隔 5 分钟,否则更新后的热词可能不生效。
排查识别效果
先区分是配置未生效、词语纠偏过强,还是音频本身难以识别,再检查相应项目。
| 现象 | 检查与处理 |
|---|---|
热词未按预期识别 | 先确认支持的模型与地域。即时热词应位于 在支持范围内调大热词权重,并对比同一音频的结果,判断是否为权重偏低导致。 |
其他词被误识别为热词 | 在支持范围内调小热词权重,并按业务场景减少无关词条。检查 |
上下文没有改善目标词 | 检查文本是否包含术语的准确写法,并核对消息角色、类型、顺序和所用接口的传入位置。超过长度或轮数限制的文本可能被截断或丢弃,规则参见使用限制。 |
普通词也大量识别错误 | 检查音频格式、采样率是否符合模型要求,并降低背景噪声。单语种音频可通过识别接口的 |
支持的模型与地域
预编译热词
华北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-realtime-2026-02-28、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
新加坡
说明新加坡地域的子业务空间暂不支持热词功能。
-
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
即时热词
华北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:fun-asr
新加坡
说明新加坡地域的子业务空间暂不支持热词功能。
-
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
上下文增强
华北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
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
使用限制
热词限制
| 限制项 | 说明 |
|---|---|
热词列表数量 | 每账号最多 50 个预编译热词列表,所有模型共享。每个列表对应一个 |
热词数量 | Qwen-Audio-ASR-Message、Qwen-Audio-ASR-Streaming、Qwen-Audio-ASR-Filetrans、Qwen-Audio-ASR 系列:最多 2000 个。 Fun-ASR-Realtime、Fun-ASR-Flash、Fun-ASR 系列主版本模型:最多 2000 个;上述系列的其他模型以及 Paraformer 系列:最多 500 个。 预编译热词按单个列表计数,即时热词按单次请求计数。 |
超级热词数量 | 权重为 50 的词条最多 50 个。 |
说明对于 Qwen-Audio-ASR-Message、Qwen-Audio-ASR-Streaming、Qwen-Audio-ASR-Filetrans 和 Qwen-Audio-ASR 系列模型,同时配置预编译热词和即时热词时,系统会合并两类热词;合并后超过 2000 个时,随机选择 2000 个使用。
热词文本规范
热词须为实际词语,且语种在模型支持范围内;即时热词和预编译热词均遵循以下规范。
包含非 ASCII 字符
包含汉字、日文假名、韩文谚文、西里尔字母等非 ASCII 字符时,与 ASCII 字符合计不超过 15 个字符,空格计入字符数。
| 文本 | 计数 | 是否符合长度要求 |
|---|---|---|
| 7 字符 | 是 |
| 7 字符 | 是 |
| 5 字符 | 是 |
| 15 字符 | 是 |
| 24 字符 | 否 |
仅包含 ASCII 字符
仅包含 ASCII 字符时,按空格切分后不超过 7 个片段。
| 文本 | 计数 | 是否符合长度要求 |
|---|---|---|
| 2 片段 | 是 |
| 5 片段 | 是 |
| 11 片段 | 否 |
上下文限制
| 限制项 | 说明 |
|---|---|
上下文轮数 | 最多保留最近 5 轮; |
每轮文本长度 | 同一轮所有 |
说明Qwen-Audio-ASR-Message 还支持在任务运行中通过 continue-task 更新上下文,格式参见Message 客户端事件。
功能计费
即时热词和预编译热词功能本身免费。使用热词或上下文增强的模型调用费用,请参见计费规则。
相关 API
-
热词列表的创建、查询、更新和删除等操作,参见热词管理 API。
-
热词管理 SDK:Java SDK、Python SDK。
-
模型调用 API:Qwen-Audio-ASR-Message 客户端事件、Qwen-Audio-ASR-Streaming 客户端事件、Qwen-Audio-ASR-Filetrans HTTP API、Qwen-Audio-ASR HTTP API。