提升识别准确率

更新时间:
复制 MD 格式

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

即时热词

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。

预编译热词

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。

上下文增强

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。

  1. 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
      }
    }
    '
    
  2. 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

text

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。

weight

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。

lang

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 language_hints 的关系参见组织与维护词表。

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

  1. 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
    
  2. 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
    
  3. 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
    
  4. 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 parameters.vocabulary;预编译热词需核对账号、vocabulary_id、status=OK,以及创建列表时的 target_model 是否与当前模型一致。

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 lang 与识别接口 language_hints 是否匹配,避免使用不属于当前语种的词条。

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 language_hints 声明语种。模型选型与音频要求参见语音识别概述。

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 vocabulary_id。

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

"厄洛替尼盐酸盐"

7 字符

是

"EGFR抑制剂"

7 字符

是

"こんにちは"

5 字符

是

"Фенибут Белфарм"

15 字符

是

"Клофелин Белмедпрепараты"

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

"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

限制项说明

上下文轮数

最多保留最近 5 轮;input_text 和 text 类型的上下文消息各最多 5 条,超出时忽略早期消息,不报错。仅传领域文本时也需遵循文本长度限制。

每轮文本长度

同一轮所有 user 和 assistant 消息的 text 字段长度之和不超过 400 个字符。字母、汉字、数字、空格和标点均各计 1 个字符。超出部分从末尾截断,不报错;各轮独立计算。

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