Qwen: Qwen3 ASR 1.7B

Qwen3 ASR 1.7B è un modello di riconoscimento automatico del parlato di Qwen, elencato su api14 con l'id del modello qwen/qwen3-asr-1.7b. Si colloca nella categoria trascrizione, e il suo nome riflette una scala di 1,7 miliardi di parametri. Se stai già lavorando con altri modelli Qwen, questo proviene dallo stesso provider e segue le stesse convenzioni generali della famiglia, il che può semplificare la valutazione e l'integrazione.

Il modello prende l'audio come input e restituisce la trascrizione come output. È multilingue: supporta l'identificazione della lingua e la trascrizione in 30 lingue e 22 dialetti cinesi. Questo significa che non devi necessariamente indicare quale lingua viene parlata prima di inviare l'audio, poiché l'identificazione della lingua fa parte di ciò che svolge. Supporta sia l'inferenza in streaming che offline, quindi può essere utilizzato in tempo reale man mano che l'audio arriva o su registrazioni complete. I fatti forniti non elencano una lunghezza del contesto, e i parametri supportati non sono specificati.

Gli usi pratici derivano direttamente da queste capacità. Poiché gestisce molte lingue e dialetti cinesi, si adatta ad applicazioni che ricevono audio in lingue miste o sconosciute, come registrazioni di chiamate, archivi di assistenza clienti o contenuti generati dagli utenti in cui la lingua parlata varia. L'output di identificazione della lingua è utile per indirizzare le trascrizioni al processo o al revisore corretto a valle. L'inferenza in streaming si adatta a sottotitoli in tempo reale, interfacce vocali e qualsiasi flusso di lavoro in cui attendere il completamento di un file completo non è accettabile. L'inferenza offline si adatta alla trascrizione in batch di audio archiviato, ad esempio per costruire archivi ricercabili o generare sottotitoli dopo che una registrazione è completa.

Puoi chiamare il modello tramite l'API compatibile con OpenAI di api14 usando l'id del modello qwen/qwen3-asr-1.7b. Poiché l'interfaccia è compatibile con OpenAI, puoi utilizzare le librerie client OpenAI esistenti e indirizzarle all'URL di base di api14, inviando l'audio nella richiesta e leggendo la trascrizione dalla risposta. La pagina del modello mostra una tabella dei prezzi in tempo reale per le tariffe correnti. I fatti non elencano alcun parametro di richiesta supportato per questo modello, quindi controlla la pagina del modello o il riferimento API per ciò che puoi passare oltre all'id del modello e all'input audio.

Ci sono alcune cose da tenere a mente quando si decide. Nessuna lunghezza del contesto è pubblicata per questo modello, e nessun parametro supportato è elencato, quindi se la tua applicazione dipende dalla messa a punto delle impostazioni di generazione potresti dover confermare cosa è effettivamente accettato prima di impegnarti. La modalità di output è solo trascrizione, il che significa che non tradurrà, riassumerà o risponderà a domande sull'audio. Se hai bisogno di questi comportamenti, un modello linguistico generico che accetta input audio si adatterebbe meglio, con questo modello che gestisce il passaggio di trascrizione grezza.