Qwen3-ASR Flash de Alibaba — transcripción por lotes multilingüe (más de 25 idiomas) con marcas de tiempo por palabra y detección automática de idioma, alojado en Model Studio (Singapur). Admite archivos de hasta 12 horas.
25 idiomas · evaluado
Puntuación General
69.1
#5 de 35
Tasa de Error de Palabras
12.27%
Tasa de Error de Caracteres
7.39%
Tasa de Error de Coincidencia
11.23%
Información de Palabras Perdida
14.28%
Latencia Promedio
6.9s
Benchmarks Ejecutados
35
últimas 30 ejecuciones
Tasa de error de palabra
12.27%
↓ 38.2% · 30d
hace 3 ejecuciones
última
Latencia media
6.9s
↓ 1.4% · 30d
hace 3 ejecuciones
última
WER general · 35 modelos
Qwen3 ASR Flash
grupo · 34 modelos
abajo a la izquierda es mejor
8 categorías
WER
menor es mejor
Legal
3.6%
Técnico
4.0%
Finanzas
6.0%
Médico
7.0%
Conversacional
9.7%
General
11.3%
Cambio de Código
18.4%
Ambiente Ruidoso
29.2%
5 acentos
Tarifa
$0.0021
/min
Facturación por segundo. Usa tu propia clave de proveedor y paga directamente al proveedor — se aplica una tarifa de enrutamiento del 5% (primeros 100 min/mes gratis).
Configurar BYOKEstimador de costo
1 hora
$0.13
10 horas
$1.26
100 horas
$12.60
1000 horas
$126
Facturado por segundo de audio procesado.
ID del modelo
alibaba/qwen3-asr-flash
Autentica cada solicitud con tu clave API secreta como token Bearer. Genera una clave desde tu panel.
Úsalo con tu agente
Pega esto en Claude Code, Cursor, Codex o cualquier agente con terminal. Instala la CLI y la skill de OpenTranscription, y transcribe con este modelo.
Inicio rápido
Sube tu audio, crea un trabajo con este modelo y luego consulta el trabajo o define un webhook_url para recibir el aviso al completarse.
Parámetros clave
file_path
string
obligatorio
Ruta de almacenamiento devuelta por el paso de subida.
model
string
obligatorio
El modelo con el que se ejecuta este trabajo.
models
string[]
Cadena ordenada de respaldo: primero el principal y luego los alternativos, en orden, si un proveedor falla.
language
string
Código de idioma ISO 639-1. Omítelo para la detección automática.
webhook_url
string
URL HTTPS que recibe el resultado al completarse el trabajo. Los eventos entregados están firmados (X-OT-Signature).
title
string
Nombre visible de este trabajo en el panel. Si falta, se usa el nombre del archivo.
Respuesta
Un trabajo completado devuelve la transcripción en el Esquema Unificado de OpenTranscription (OTUS).
Webhooks — sin sondeo
Enviamos un evento firmado a tu webhook_url cuando un trabajo se completa o falla; verifica la cabecera X-OT-Signature (HMAC-SHA256, rechaza si tiene más de 300 s) y desduplicado por el id del evento, luego obtén la transcripción completa con GET /api/v1/transcriptions/{id}.
Límite por nivel — consulta los encabezados de respuesta X-RateLimit-*.
Referencia completa de la APIDisponibilidad · 30d
100.00%
Tasa de error
0.00%
Latencia media
59.3s
Último incidente
Ninguno en 30d
del mismo grupo
Idiomas Soportados
Formatos Soportados
Características
Límites
Tamaño máx. de archivo
2 GB
Duración máx.
12 h
Qwen3 ASR Flash es un modelo de transcripción de voz a texto de Alibaba (Qwen). En nuestras pruebas estandarizadas alcanza una tasa de error de palabra de 12.27%, ocupando el puesto n.º 5 de 35 modelos evaluados. Admite 25 idiomas y cuesta 0,002 US$/min — más económico que la mayoría de alternativas.
Su alternativa evaluada más cercana es Soniox STT (Async). Ideal para trabajo donde la precisión es crítica y flujos de alto volumen y sensibles al coste.