Qwen: Qwen3 ASR 1.7B

Qwen3 ASR 1.7B adalah model pengenalan suara otomatis dari Qwen, terdaftar di api14 dengan model id qwen/qwen3-asr-1.7b. Model ini berada dalam kategori transkripsi, dan namanya mencerminkan skala parameter 1.7B. Jika Anda sudah bekerja dengan model Qwen lain, model ini berasal dari provider yang sama dan mengikuti konvensi keluarga yang sama secara umum, yang dapat menyederhanakan evaluasi dan integrasi.

Model ini menerima audio sebagai input dan mengembalikan transkripsi sebagai output. Model ini bersifat multibahasa: mendukung identifikasi bahasa dan transkripsi di 30 bahasa dan 22 dialek Tionghoa. Artinya, Anda tidak selalu perlu memberi tahu bahasa apa yang sedang diucapkan sebelum mengirim audio, karena identifikasi bahasa adalah bagian dari kemampuannya. Model ini mendukung inferensi streaming dan offline, sehingga dapat digunakan secara real time saat audio masuk atau terhadap rekaman lengkap. Fakta yang diberikan tidak mencantumkan panjang konteks, dan parameter yang didukung tidak ditentukan.

Penggunaan praktis mengikuti langsung dari kemampuan tersebut. Karena model ini menangani banyak bahasa dan dialek Tionghoa, model ini cocok untuk aplikasi yang menerima audio dengan bahasa campuran atau tidak diketahui, seperti rekaman panggilan, arsip dukungan pelanggan, atau media buatan pengguna yang bahasa lisanmya bervariasi. Output identifikasi bahasa berguna untuk mengarahkan transkrip ke proses hilir atau peninjau yang tepat. Inferensi streaming cocok untuk takarir langsung, antarmuka suara, dan alur kerja apa pun yang tidak dapat menunggu file lengkap selesai. Inferensi offline cocok untuk transkripsi batch audio tersimpan, misalnya membangun arsip yang dapat dicari atau menghasilkan subtitle setelah rekaman selesai.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id qwen/qwen3-asr-1.7b. Karena antarmukanya kompatibel dengan OpenAI, Anda dapat menggunakan pustaka klien OpenAI yang sudah ada dan mengarahkannya ke base URL api14, mengirim audio dalam permintaan dan membaca transkripsi dari respons. Halaman model menampilkan tabel harga langsung untuk tarif terkini. Fakta tidak mencantumkan parameter permintaan yang didukung untuk model ini, jadi periksa halaman model atau referensi API untuk apa yang dapat Anda kirim selain model id dan input audio.

Ada beberapa hal yang perlu diingat saat memutuskan. Tidak ada panjang konteks yang dipublikasikan untuk model ini, dan tidak ada parameter yang didukung yang dicantumkan, jadi jika aplikasi Anda bergantung pada penyetelan pengaturan generasi, Anda mungkin perlu memastikan apa yang benar benar diterima sebelum berkomitmen. Modalitas output hanya transkripsi, yang berarti model ini tidak akan menerjemahkan, meringkas, atau menjawab pertanyaan tentang audio. Jika Anda membutuhkan perilaku tersebut, model bahasa serbaguna yang menerima input audio akan lebih cocok, dengan model ini menangani langkah transkripsi mentah.