Qwen: Qwen3 ASR 0.6B

Qwen3 ASR 0.6B est un modèle compact de reconnaissance automatique de la parole de Qwen. Il appartient à la catégorie transcription, donc son rôle est de convertir la parole en texte écrit plutôt que de générer des réponses conversationnelles ou de traiter des tâches linguistiques générales. Le 0.6B dans le nom indique un petit nombre de paramètres, ce qui en fait une option légère pour le travail de reconnaissance vocale par rapport à des modèles plus grands.

Le modèle accepte l'audio en entrée et produit une transcription en sortie. Il prend en charge l'identification multilingue de la langue et la transcription dans 30 langues et 22 dialectes chinois, il peut donc à la fois détecter la langue parlée et transcrire l'audio dans cette langue. Il gère la transcription en flux et hors ligne. Aucune longueur de contexte n'est publiée pour ce modèle, et sa sortie maximale n'est pas définie dans les métadonnées du modèle, vous devez donc le considérer principalement comme un composant de synthèse vocale vers texte plutôt que comme un modèle dans lequel vous injectez de longs prompts textuels.

En raison de ces capacités, les cas d'usage naturels sont les pipelines de synthèse vocale vers texte, la transcription de réunions ou d'appels, la génération de sous-titres et de légendes pour l'audio et la vidéo, la transcription de notes vocales, et les applications multilingues où vous avez besoin d'identification de la langue avant ou en parallèle de la transcription. La couverture des dialectes chinois le rend pertinent pour les produits servant des utilisateurs sinophones dont l'audio ne correspond pas au mandarin standard. La prise en charge du streaming convient à la transcription en direct ou quasi en temps réel, tandis que le mode hors ligne convient au traitement par lots de fichiers enregistrés.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'id de modèle "qwen/qwen3-asr-0.6b". Comme le point de terminaison suit le format OpenAI, vous pouvez pointer un client OpenAI existant vers api14 et définir cet id de modèle, en envoyant l'audio comme entrée. Aucun paramètre de requête pris en charge n'est listé pour ce modèle, vous ne devez donc pas supposer que des options de réglage telles que temperature ou top_p sont disponibles, et la forme de la requête est essentiellement l'entrée audio plus l'id du modèle. Consultez le tableau des prix en direct sur cette page pour les tarifs actuels.

Une limite pratique à garder à l'esprit est la portée. Il s'agit d'un modèle de transcription avec entrée audio et sortie de transcription, pas d'un modèle de chat ou de raisonnement, donc des tâches comme résumer une transcription, répondre à des questions à son sujet, ou générer du texte à partir d'instructions relèvent d'un autre modèle. Si vous avez besoin de ces étapes de suivi, exécutez d'abord la transcription ici et transmettez le résultat à un modèle de texte.