Alibaba bugun Qwen-Audio-3.0-ASR-Flash nutqni tanish katta modelini taqdim etdi. Sodda qilib aytganda, bu AI’ga professional atamalarni yaxshiroq anglashga yordam beradi.
Qwen-Audio-3.0-ASR-Flash asosan kontekst izchilligi, soha atamalarini tanish va muhim kalit so‘zlarni moslashtirishning uch yo‘nalishida tizimli optimallashtirildi. Shu bilan birga, model nutqni tahrirlash imkoniyatiga ega bo‘lib, tuzilgan matnni bevosita chiqara oladi.
Tadqiqot jamoasi tibbiyot, IT dasturlash, aksiyalar bozori va jamoat arboblari kabi sohalardan professional atamalarni muntazam to‘plab, ko‘plab sohalarni qamrab oluvchi yuqori sifatli lug‘at yaratdi. Bu modelning professional terminlar va kam uchraydigan so‘zlarni tanish qobiliyatini kuchaytirdi. Eng so‘nggi soha atamalari bo‘yicha ichki baholashda yangi model barcha sohalardagi professional atamalarni “to‘g‘ri eshitish darajasi”ni sezilarli oshirdi, tibbiyotdagi ko‘rsatkich esa 95.36% dan oshdi.
Hozirda Qwen-Audio-ASR-Flash seriyasi yig‘ilish bayonnomalarini tayyorlash, real vaqt subtitrlari, ta’lim videolari yozuvlari va aqlli mijozlarga xizmat ko‘rsatish kabi sohalarda sinovdan o‘tgan. U AI baholash platformasi Artificial Analysis’da xatolar darajasi 1.7% bo‘lib, dunyoda birinchi o‘rinni egallagan.
Qwen-Audio-3.0-ASR — hozir Alibaba Cloud Bailian platformasi orqali foydalanish uchun ochiq bo‘lib, uchta versiyani taklif qiladi:
Qwen-Audio-3.0-ASR-Flash: nutqni tanish, maksimal 5 daqiqa
Qwen-Audio-3.0-ASR-Filetrans: oflayn fayllarni transkripsiya qilish
Qwen-Audio-3.0-ASR-Streaming: real vaqt rejimida nutqni tanish
Qwen-Audio-3.0-ASR-Flash sinov manzillari:
Qwen-Audio-3.0-ASR-Flash:
https://help.aliyun.com/zh/model-studio/non-real-time-speech-recognition-for-fun-asr-flash
Qwen-Audio-3.0-ASR-Flash-Filetrans:
https://help.aliyun.com/zh/model-studio/fun-asr-recorded-speech-recognition-http-api
Qwen-Audio-3.0-ASR-Flash-Streaming:
https://help.aliyun.com/zh/model-studio/fun-asr-realtime-websocket-api