目前阿里巴巴公开的语音识别（ASR）产品可以归结为两条主线，它们共用最新的 Qwen3-Omni 底座，但针对不同的使用场景和部署成本做了差异化设计。

目前阿里巴巴公开的语音识别（ASR）产品可以归结为两条主线，它们共用最新的 Qwen3-Omni 底座，但针对不同的使用场景和部署成本做了差异化设计。

1. Qwen3-ASR-Flash  
   - 仅提供 API，暂未开源权重  
   - 单一多语种模型，支持 11 种主流语言及多种中文方言、英语口音  
   - 干净语音词错误率 ≤ 4 %，音乐或嘈杂场景 ≤ 10 %；在官方测试集上优于 Gemini-2.5-Pro 与 GPT-4o-Transcribe  
   - 支持“上下文热词”：运行时直接喂关键词、段落或整篇文档，无需重新训练即可提升领域术语识别率  
   - 可自动跳过静音/背景噪声，并能为歌词打时间戳

   在线体验与文档：https://huggingface.co/spaces/Qwen/Qwen3-ASR-Demo

2. FunAudio-ASR（完整版）与 FunAudio-ASR-nano  
   - 端到端 Encoder-LLM 架构：完整版 0.7 B+7 B 参数，nano 版 0.2 B+0.6 B 参数  
   - 高噪声场景幻觉率从 78.5 % 降至 10.7 %  
   - 支持流式识别、热词定制、中英自由混说  
   - 已落地钉钉“AI 听记”、会议字幕、钉钉 A1 硬件；API 通过阿里云百炼平台开放

3. Fun-ASR（行业定制版）  
   - 在 FunAudio 基础上加入动态热词更新，保险、家装、农业等垂直场景准确率再提升 15–20 %  
   - 可直接把语音转成结构化行业数据，省去人工后处理

三条线都提供 REST/HTTP API 和多语言 SDK；只有 FunAudio-ASR 提供轻量“nano”版，方便在端侧或低成本容器部署。Qwen3-ASR-Flash 权重暂未开源，FunAudio-ASR 代码可通过阿里云申请商业授权。