Qwen: Qwen3 ASR 0.6B

Qwen3 ASR 0.6B är en kompakt automatisk taligenkänningsmodell från Qwen. Den tillhör kategorin transkribering, så dess uppgift är att omvandla tal till skriven text snarare än att generera konversationssvar eller hantera allmänna språkuppgifter. 0.6B i namnet anger ett litet antal parametrar, vilket gör den till ett lättviktigt alternativ för taligenkänningsarbete jämfört med större modeller.

Modellen tar ljud som indata och producerar en transkribering som utdata. Den stöder flerspråkig språkidentifiering och transkribering över 30 språk och 22 kinesiska dialekter, så den kan både upptäcka vilket språk som talas och transkribera ljudet på det språket. Den hanterar strömmande och offline transkribering. Ingen kontextlängd publiceras för denna modell, och dess maximala utdata är inte definierad i modellens metadata, så du bör i första hand behandla den som en komponent för tal till text snarare än något du matar in långa textpromptar i.

På grund av dessa funktioner är de naturliga användningsområdena tal till text-pipelines, transkribering av möten eller samtal, generering av undertexter och bildtexter för ljud och video, transkribering av röstmeddelanden samt flerspråkiga applikationer där du behöver språkidentifiering före eller tillsammans med transkribering. Täckningen av kinesiska dialekter gör den relevant för produkter som betjänar kinesisktalande användare vars ljud inte matchar standardmandarin. Stöd för strömmande överföring passar live eller nästan realtids transkribering, medan offlineläget passar batchbearbetning av inspelade filer.

Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id "qwen/qwen3-asr-0.6b". Eftersom slutpunkten följer OpenAI-formatet kan du rikta en befintlig OpenAI-klient mot api14 och ange det modell-id:t, och skicka ljud som indata. Inga stödda begärandeparametrar listas för denna modell, så du bör inte anta att justeringsalternativ som temperature eller top_p är tillgängliga, och begäransform är i huvudsak ljudindata plus modell-id:t. Kontrollera den aktuella pristabellen på denna sida för aktuella priser.

En praktisk begränsning att ha i åtanke är omfattningen. Detta är en transkriberingsmodell med ljudindata och transkriberingsutdata, inte en chatt- eller resonemangsmodell, så uppgifter som att sammanfatta en transkribering, svara på frågor om den eller generera text från instruktioner tillhör en annan modell. Om du behöver dessa uppföljningssteg, kör transkriberingen här först och skicka resultatet till en textmodell.