Qwen: Qwen3 ASR 1.7B

Qwen3 ASR 1.7B es un modelo de reconocimiento automático de voz de Qwen, listado en api14 bajo el id de modelo qwen/qwen3-asr-1.7b. Se ubica en la categoría de transcripción, y su nombre refleja una escala de 1.7B parámetros. Si ya trabajas con otros modelos Qwen, este proviene del mismo proveedor y sigue las mismas convenciones generales de la familia, lo que puede simplificar la evaluación y la integración.

El modelo toma audio como entrada y devuelve transcripción como salida. Es multilingüe: admite identificación de idioma y transcripción en 30 idiomas y 22 dialectos chinos. Esto significa que no necesariamente tienes que indicarle qué idioma se habla antes de enviar el audio, ya que la identificación de idioma es parte de lo que hace. Admite inferencia tanto en streaming como offline, por lo que puede usarse en tiempo real a medida que llega el audio o sobre grabaciones completas. Los datos proporcionados no indican una longitud de contexto, y los parámetros admitidos no están especificados.

Los usos prácticos se derivan directamente de esas capacidades. Como maneja muchos idiomas y dialectos chinos, encaja en aplicaciones que reciben audio en idiomas mixtos o desconocidos, como grabaciones de llamadas, archivos de atención al cliente o medios generados por usuarios donde el idioma hablado varía. La salida de identificación de idioma es útil para enrutar las transcripciones al proceso posterior o al revisor correcto. La inferencia en streaming es adecuada para subtitulado en vivo, interfaces de voz y cualquier flujo de trabajo donde esperar a que termine un archivo completo no sea aceptable. La inferencia offline es adecuada para la transcripción por lotes de audio almacenado, por ejemplo, crear archivos searchables o generar subtítulos después de que una grabación esté completa.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo qwen/qwen3-asr-1.7b. Como la interfaz es compatible con OpenAI, puedes usar las bibliotecas cliente de OpenAI existentes y apuntarlas a la URL base de api14, enviando audio en la solicitud y leyendo la transcripción de la respuesta. La página del modelo muestra una tabla de precios en vivo con las tarifas actuales. Los datos no enumeran ningún parámetro de solicitud admitido para este modelo, así que consulta la página del modelo o la referencia de la API para saber qué puedes pasar además del id de modelo y la entrada de audio.

Hay algunas cosas a tener en cuenta al decidir. No se publica ninguna longitud de contexto para este modelo, y no se enumeran parámetros admitidos, así que si tu aplicación depende de ajustar la configuración de generación, es posible que necesites confirmar qué se acepta realmente antes de comprometerte. La modalidad de salida es solo transcripción, lo que significa que no traducirá, resumirá ni responderá preguntas sobre el audio. Si necesitas esos comportamientos, un modelo de lenguaje de propósito general que acepte entrada de audio encajaría mejor, con este modelo encargándose del paso de transcripción sin procesar.