Qwen: Qwen3 ASR 0.6B

O Qwen3 ASR 0.6B é um modelo compacto de reconhecimento automático de fala da Qwen. Pertence à categoria de transcrição, portanto a sua função é converter fala em texto escrito, em vez de gerar respostas conversacionais ou lidar com tarefas de linguagem de propósito geral. O 0.6B no nome indica uma contagem pequena de parâmetros, o que o torna uma opção leve para trabalho de reconhecimento de fala em comparação com modelos maiores.

O modelo aceita áudio como entrada e produz uma transcrição como saída. Suporta identificação de idioma multilingue e transcrição em 30 idiomas e 22 dialetos chineses, portanto pode tanto detetar qual idioma está a ser falado como transcrever o áudio nesse idioma. Lida com transcrição em streaming e offline. Não é publicada nenhuma extensão de contexto para este modelo, e a sua saída máxima não está definida nos metadados do modelo, portanto deve tratá-lo principalmente como um componente de fala para texto, em vez de algo para o qual envia prompts de texto longos.

Devido a essas capacidades, os casos de uso naturais são pipelines de fala para texto, transcrição de reuniões ou chamadas, geração de subtítulos e legendas para áudio e vídeo, transcrição de notas de voz, e aplicações multilingues onde precisa de identificação de idioma antes ou em conjunto com a transcrição. A cobertura de dialetos chineses torna-o relevante para produtos que servem utilizadores falantes de chinês cujo áudio não corresponde ao mandarim padrão. O suporte de streaming adequa-se a transcrição ao vivo ou quase em tempo real, enquanto o modo offline se adequa ao processamento em lote de ficheiros gravados.

Chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "qwen/qwen3-asr-0.6b". Como o endpoint segue o formato OpenAI, pode apontar um cliente OpenAI existente para a api14 e definir esse id de modelo, enviando áudio como entrada. Não estão listados parâmetros de pedido suportados para este modelo, portanto não deve assumir que opções de ajuste como temperature ou top_p estão disponíveis, e a forma do pedido é essencialmente a entrada de áudio mais o id de modelo. Consulte a tabela de preços em direto nesta página para tarifas atuais.

Um limite prático a ter em conta é o âmbito. Este é um modelo de transcrição com entrada de áudio e saída de transcrição, não um modelo de chat ou raciocínio, portanto tarefas como resumir uma transcrição, responder a perguntas sobre ela, ou gerar texto a partir de instruções pertencem a um modelo diferente. Se precisar desses passos seguintes, execute primeiro a transcrição aqui e passe o resultado a um modelo de texto.