2026 年 9 月 17 日，ZEGO 云端实时语音识别产品发布 v2.4.0 版本，新增支持 Qwen-Audio-3.0-ASR-Flash-Streaming 语音识别模型，并下架 qwen3-asr-flash-realtime 语音识别模型。
1. 新增支持 Qwen-Audio-3.0-ASR-Flash-Streaming 语音识别模型。
为了提高不同场景下语音识别（或语音转文字）的识别准确率，新增该模型。
ASR.Vendor 为 AliyunQwenAudioASR，支持配置热词，支持中文（普通话及各地方言）、英语、日语等语种。
配置 ASR 方式：
在创建实时语音识别任务（StartRealtimeASRTask）时可以通过 ASR 参数设置需要使用的厂商、语种、热词等参数。
设置模型
通过 payload.model 参数设置模型，模型值为 qwen-audio-3.0-asr-flash-streaming。
设置语种
通过 payload.parameters.language_hints 参数设置语种。如果无法提前确定语种，可不设置，模型会自动识别语种。
以下为设置语种为中文的示例。
// !mark(6:9)
{
"RoomId": "rtc_room_id",
"ASR": {
"Vendor": "AliyunQwenAudioASR",
"Params": {
"payload": {
"model": "qwen-audio-3.0-asr-flash-streaming",
"parameters": {
"language_hints": ["zh"]
}
}
}
}
}配置详情请查看文档：https://doc-zh.zego.im/cloud-realtime-asr/configuring-asr
2. 下架 qwen3-asr-flash-realtime 语音识别模型
原 ASR.Vendor 为 AliyunQwenASR。若仍在使用该模型，后续会被替换为 Qwen-Audio-3.0-ASR-Flash-Streaming。
关于 ZEGO 云端实时语音识别
将语音通话、视频直播、在线会议等实时音视频场景中的语音内容实时转为文字结果。 实现 1v1 语音通话实时字幕&翻译、在线会议实时字幕及会后纪要总结、全球直播字幕、直播间实时主播内容总结等场景。
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/zixun/72088.html
