Qwen: Qwen3 ASR 0.6B

Qwen3 ASR 0.6B è un modello compatto di riconoscimento automatico del parlato di Qwen. Appartiene alla categoria trascrizione, quindi il suo compito è trasformare il parlato in testo scritto, non generare risposte conversazionali o gestire attività linguistiche di uso generale. Lo 0.6B nel nome indica un numero ridotto di parametri, il che lo rende un'opzione leggera per il lavoro di riconoscimento vocale rispetto a modelli più grandi.

Il modello accetta audio come input e produce una trascrizione come output. Supporta l'identificazione multilingue della lingua e la trascrizione in 30 lingue e 22 dialetti cinesi, quindi può sia rilevare quale lingua viene parlata sia trascrivere l'audio in quella lingua. Gestisce la trascrizione in streaming e offline. Non è pubblicata alcuna lunghezza di contesto per questo modello, e il suo output massimo non è definito nei metadati del modello, quindi dovresti considerarlo principalmente come un componente da parlato a testo, piuttosto che qualcosa in cui inserire lunghi prompt testuali.

Per queste capacità, i casi d'uso naturali sono pipeline da parlato a testo, trascrizione di riunioni o chiamate, generazione di sottotitoli e didascalie per audio e video, trascrizione di note vocali e applicazioni multilingue in cui serve l'identificazione della lingua prima o insieme alla trascrizione. La copertura dei dialetti cinesi lo rende rilevante per prodotti che servono utenti di lingua cinese il cui audio non corrisponde al mandarino standard. Il supporto dello streaming si adatta alla trascrizione dal vivo o quasi in tempo reale, mentre la modalità offline si adatta all'elaborazione in batch di file registrati.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando l'id del modello "qwen/qwen3-asr-0.6b". Poiché l'endpoint segue il formato OpenAI, puoi indirizzare un client OpenAI esistente verso api14 e impostare quell'id del modello, inviando l'audio come input. Non sono elencati parametri di richiesta supportati per questo modello, quindi non dovresti presumere che siano disponibili opzioni di regolazione come temperature o top_p, e la forma della richiesta è essenzialmente l'input audio più l'id del modello. Controlla la tabella dei prezzi live su questa pagina per le tariffe attuali.

Un limite pratico da tenere a mente è l'ambito. Questo è un modello di trascrizione con input audio e output di trascrizione, non un modello di chat o di ragionamento, quindi attività come riassumere una trascrizione, rispondere a domande su di essa o generare testo da istruzioni appartengono a un modello diverso. Se hai bisogno di questi passaggi successivi, esegui prima la trascrizione qui e passa il risultato a un modello testuale.