Qwen: Qwen3 ASR 0.6B

Qwen3 ASR 0.6B adalah model pengenalan suara otomatis yang ringkas dari Qwen. Model ini termasuk dalam kategori transkripsi, jadi tugasnya adalah mengubah ucapan menjadi teks tertulis, bukan menghasilkan balasan percakapan atau menangani tugas bahasa serbaguna. Angka 0.6B pada namanya menunjukkan jumlah parameter yang kecil, yang menjadikannya pilihan ringan untuk pekerjaan pengenalan suara dibandingkan model yang lebih besar.

Model ini menerima audio sebagai input dan menghasilkan transkripsi sebagai output. Model ini mendukung identifikasi bahasa multibahasa dan transkripsi dalam 30 bahasa serta 22 dialek Tionghoa, sehingga dapat mendeteksi bahasa yang sedang diucapkan dan mentranskripsikan audio dalam bahasa tersebut. Model ini menangani transkripsi streaming dan offline. Tidak ada panjang konteks yang dipublikasikan untuk model ini, dan output maksimumnya tidak didefinisikan dalam metadata model, jadi Anda sebaiknya memperlakukannya terutama sebagai komponen speech to text, bukan sesuatu yang Anda beri prompt teks panjang.

Karena kemampuan tersebut, kasus penggunaan yang wajar adalah pipeline speech to text, transkripsi rapat atau panggilan, pembuatan subtitle dan caption untuk audio dan video, transkripsi catatan suara, serta aplikasi multibahasa yang memerlukan identifikasi bahasa sebelum atau bersamaan dengan transkripsi. Cakupan dialek Tionghoa membuatnya relevan untuk produk yang melayani pengguna berbahasa Tionghoa yang audionya tidak sesuai dengan Mandarin standar. Dukungan streaming cocok untuk transkripsi langsung atau hampir real time, sedangkan mode offline cocok untuk pemrosesan batch file rekaman.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "qwen/qwen3-asr-0.6b". Karena endpoint mengikuti format OpenAI, Anda dapat mengarahkan klien OpenAI yang sudah ada ke api14 dan menetapkan model id tersebut, lalu mengirim audio sebagai input. Tidak ada parameter permintaan yang didukung yang tercantum untuk model ini, jadi Anda tidak boleh mengasumsikan opsi penyetelan seperti temperature atau top_p tersedia, dan bentuk permintaannya pada dasarnya adalah input audio ditambah model id. Periksa tabel harga langsung di halaman ini untuk tarif terkini.

Satu batasan praktis yang perlu diingat adalah cakupannya. Ini adalah model transkripsi dengan input audio dan output transkripsi, bukan model chat atau penalaran, jadi tugas seperti merangkum transkrip, menjawab pertanyaan tentangnya, atau menghasilkan teks dari instruksi menjadi milik model lain. Jika Anda memerlukan langkah lanjutan tersebut, jalankan transkripsi di sini terlebih dahulu dan teruskan hasilnya ke model teks.