Qwen: Qwen3 ASR 1.7B

Qwen3 ASR 1.7B é um modelo de reconhecimento automático de fala da Qwen, listado em api14 sob o id de modelo qwen/qwen3-asr-1.7b. Ele está na categoria de transcrição, e seu nome reflete uma escala de 1.7B parâmetros. Se você já trabalha com outros modelos Qwen, este vem do mesmo provedor e segue as mesmas convenções gerais da família, o que pode simplificar a avaliação e a integração.

O modelo recebe áudio como entrada e retorna transcrição como saída. Ele é multilíngue: suporta identificação de idioma e transcrição em 30 idiomas e 22 dialetos chineses. Isso significa que você não precisa necessariamente informar qual idioma está sendo falado antes de enviar o áudio, já que a identificação de idioma faz parte do que ele faz. Ele suporta inferência em streaming e offline, então pode ser usado em tempo real conforme o áudio chega ou sobre gravações completas. Os fatos fornecidos não listam um comprimento de contexto, e os parâmetros suportados não são especificados.

Os usos práticos decorrem diretamente dessas capacidades. Como ele lida com muitos idiomas e dialetos chineses, encaixa-se em aplicações que recebem áudio em idioma misto ou desconhecido, como gravações de chamadas, arquivos de suporte ao cliente ou mídia gerada por usuários onde o idioma falado varia. A saída de identificação de idioma é útil para encaminhar transcrições ao processo ou revisor correto a jusante. A inferência em streaming é adequada para legendagem ao vivo, interfaces de voz e qualquer fluxo de trabalho onde esperar um arquivo completo terminar não é aceitável. A inferência offline é adequada para transcrição em lote de áudio armazenado, por exemplo, construir arquivos pesquisáveis ou gerar legendas após a conclusão de uma gravação.

Você chama o modelo através da API compatível com OpenAI do api14 usando o id de modelo qwen/qwen3-asr-1.7b. Como a interface é compatível com OpenAI, você pode usar bibliotecas cliente OpenAI existentes e apontá-las para a URL base do api14, enviando áudio na requisição e lendo a transcrição da resposta. A página do modelo mostra uma tabela de preços ao vivo para as tarifas atuais. Os fatos não listam quaisquer parâmetros de requisição suportados para este modelo, então verifique a página do modelo ou a referência da API para saber o que você pode passar além do id de modelo e da entrada de áudio.

Há algumas coisas a ter em mente ao decidir. Nenhum comprimento de contexto é publicado para este modelo, e nenhum parâmetro suportado é listado, então se sua aplicação depende de ajustar configurações de geração, você pode precisar confirmar o que é realmente aceito antes de se comprometer. A modalidade de saída é apenas transcrição, o que significa que ele não traduzirá, resumirá ou responderá perguntas sobre o áudio. Se você precisa desses comportamentos, um modelo de linguagem de propósito geral que aceita entrada de áudio se encaixaria melhor, com este modelo cuidando da etapa de transcrição bruta.