Диктофон перестал коверкать названия лекарств: Qwen намерил 95,36% на медицинских терминах

31 июля Alibaba выложила Qwen-Audio-3.0-ASR-Flash: на своих тестах модель узнаёт 95,36% медицинских терминов и 93,24% промышленных. Модель держит контекст по всей записи и принимает список своих слов-подсказок (hotwords), чтобы не гадать на жаргоне. На выходе не поток слов, а причёсанная структурная расшифровка. Забирать можно тремя API: потоковое распознавание, разбор готовых файлов, обычный офлайн-режим.

Почему это важно: Обычный ASR спотыкается ровно там, где это дороже всего: имена препаратов, марки станков, внутренние сокращения компании. Практик лечил это вторым проходом: сначала расшифровка, потом LLM чистит текст и правит термины по словарю. Qwen сложил оба шага в один вызов и пустил словарь внутрь через hotwords. Замеры Alibaba проводила у себя: ни описания набора данных, ни сравнения с конкурентами в анонсе нет. О цене тоже молчат.

Что дальше: Возьмите худший созвон из архива: шум, перебивки, свой жаргон. Прогоните его через Filetrans-API дважды, со списком hotwords и без него, и посчитайте разницу в ошибках на терминах.