Qwen3-ASR

Qwen3-ASR是由阿里云Qwen团队开发的一系列开源自动语音识别模型，支持多语言的语音、音乐和歌词识别，同时具备语言检测和时间戳预测功能。该项目基于Python语言构建，拥有强大的多语言处理能力，能够识别52种语言及方言，并提供了一种新颖的非自回归语音对齐模型以实现11种语言的文本-语音配对。其核心优势在于利用大规模语音训练数据和基础模型Qwen3-Omni的强大音频理解能力，使得1.7B版本在开源ASR模型中达到了领先水平。适用于需要高精度多语言语音识别的应用场景，如跨国会议记录、多语种视频字幕生成等。