Qwen3 ASR 使用说明

1.简介

Qwen3-ASR-1.7B 是 Qwen 团队推出的 1.7B 参数自动语音识别（ASR）模型。它支持中英文语音、中文方言、多语种语音及歌声转录，并提供长音频和流式推理能力。

2.快速上手

首先我们进入 https://console.suanli.cn/serverless/create 创建任务，

选择 Qwen3 ASR 预制镜像后发布任务

集群有镜像缓存时 1~2分钟任务即可启动成功。

此时暴露的链接即为服务地址。

3.api 接口

快速上手

方法	路径	说明
GET	`/health`	健康检查
GET	`/v1/languages`	支持的语种列表
POST	`/transcribe`	JSON 批量接口，`audio` 支持本地路径 / URL / base64
POST	`/v1/audio/transcriptions`	OpenAI 风格文件上传（multipart）

# 批量转写（URL / base64）
curl -X POST <服务地址>/transcribe \
  -H "Content-Type: application/json" \
  -d '{"audio": ["https://example.com/a.wav"],
       "language": ["Chinese"],
       "return_time_stamps": true}'
 
# 文件上传
curl -F "file=@test.wav" -F "return_time_stamps=true" \
     <服务地址>/v1/audio/transcriptions

{"results": [{"language": "Chinese", "text": "……",
  "time_stamps": [{"text": "甚", "start_time": 0.4, "end_time": 0.72}]}]}

GET /health

健康检查。模型未加载完成时仍可访问，status 为 loading。

响应 200

{“status”: “ok”, “model”: “/models/Qwen3-ASR-1.7B”, “backend”: “vllm”}

字段	说明
status	ok = 就绪可推理；loading = 模型加载中
model	实际加载的模型（repo id 或本地路径）
backend	固定 vllm

GET /v1/languages

返回模型支持的语种列表（规范英文名称）。

响应 200

{"languages": ["Chinese", "English", "Cantonese", "Arabic", "German", "..."]}

响应 503：模型未加载完成。

共 30 种语言：Chinese, English, Cantonese, Arabic, German, French,

Spanish, Portuguese, Indonesian, Italian, Korean, Russian, Thai,

Vietnamese, Japanese, Turkish, Hindi, Malay, Dutch, Swedish, Danish,

Finnish, Polish, Czech, Filipino, Persian, Greek, Romanian, Hungarian,

Macedonian。

POST /transcribe

批量转写接口，JSON 请求体。audio 中每一项可为：

http(s) URL（服务端下载解码）
base64 字符串（裸 base64 或 data:audio/...;base64,... URI）

格式支持 wav/flac/ogg（soundfile 解码）；本地路径另经 librosa 解码，

mp3/m4a/aac 等依赖容器内 ffmpeg。所有音频统一重采样为 16kHz 单声道。

请求体

字段	类型	默认	说明
audio	string \\| string[]	必填	音频输入（单条或批量）
language	string \\| (string\\|null)[] \\| null	null	强制语种。null/省略 = 自动识别；传列表时长度须与 audio 一致，元素可为 null
context	string \\| string[]	""	上下文提示文本（热词/领域词汇等，送入 system prompt）。标量时广播到整批
return_time_stamps	bool	FALSE	是否返回时间戳（需启用 ForcedAligner）

language 取值规则：

使用规范英文名称，大小写不敏感（"chinese" → "Chinese"），不接受 zh/en 等代码
不在支持列表中 → 400
强制语言后模型只输出纯文本，language 字段即所传值

响应 200

{
  "results": [
    {
      "language": "Chinese",
      "text": "甚至出现交易几乎停滞的情况。",
      "time_stamps": [
        {"text": "甚", "start_time": 0.4, "end_time": 0.72}
      ]
    }
  ]
}

results[] 与 audio[] 一一对应：

字段	类型	说明
language	string	检测/合并后的语种；混合语种为逗号分隔（如 “Chinese,English”）；空音频为 ""
text	string	转写文本；空/静音音频为 ""
time_stamps	array \\| null	对齐单元列表：中文按字、英文按词；start_time/end_time 单位秒；未请求时为 null

内部行为：

音频超过 1200s 自动切片分别转写再拼接文本；开启时间戳时按 180s 切片
不足 0.5s 的片段尾部补零
时间戳为对原始音频的绝对时间（切片偏移已补偿）

错误码

状态码	场景
400	语种不支持 / audio 与 language/context 数量不匹配 / 请求时间戳但未启用 aligner
503	模型尚未加载完成
500	推理或音频解码失败（详情见 detail 字段与服务日志）

POST /v1/audio/transcriptions

OpenAI 风格文件上传接口（multipart/form-data），单文件。

表单字段

字段	类型	默认	说明
file	file	必填	音频文件，扩展名用于解码格式识别（缺失按 .wav 处理）
language	string	null	强制语种，规则同上
context	string	""	上下文提示
return_time_stamps	bool	FALSE	是否返回时间戳

响应 200

返回单个结果对象（结构同 /transcribe 的 results[] 元素）：

{
  "language": "Chinese",
  "text": "甚至出现交易几乎停滞的情况。",
  "time_stamps": [{"text": "甚", "start_time": 0.4, "end_time": 0.72}]
}

错误码同 /transcribe（400 / 503 / 500）。

vllm serve

如果需要 openai api 兼容服务可使用模板

{"task_id":3141517,"task_type":"Deployment","task_name":"d202609111701-vllm-qwen3-asr20","namespace":"yhjl2g4g1mssdzraskzrxgskonwzosto-452","resources":[{"resource":{"device_name":"4090","region":"fjsq","gpu_name":"4090","gpu_count":1,"gpu_memory":24560,"memory":64512,"cpu_cores":18},"region_name":"福建四区","mark":"ha8GDGEAORN3a9Hhu7X+W/lveP9CW2eBkI+oB/QJLRcavuLLd61ujKeY+vGeUDxhiEAhWFnkamiQ9giiXEHkQukK18NVCWRqY+9/twUUqM5DAzL34Rac3yJhW9e32lRJWaQd/yewVgjBjhu1b3C529w4RznmE/pVrBbLs35TaxA8/XkigLKC","weight":null}],"scheduler_strategy":null,"scheduler_resources":null,"status":"Paused","points":1,"runing_points":0,"billing_points":0,"billing_value":204771,"forecast_value":0,"services":[{"service_id":3145316,"service_name":"container-01","service_image":"harbor.suanleme.cn/public-hub/laiaqwq/vllm-qwen3-asr:20260911-rc1","remote_ports":[{"url":"https://deployment-452-dhi-8000.550w.link","service_port":8000}],"health_checks":{"liveness_probe":{"switch":false,"probe_type":"httpGet","path":"/live","port":80,"initial_delay_seconds":0,"period_seconds":10,"timeout_seconds":1,"failure_threshold":3},"startup_probe":{"switch":false,"probe_type":"httpGet","path":"/health","port":80,"initial_delay_seconds":0,"period_seconds":10,"timeout_seconds":1,"failure_threshold":3},"readiness_probe":{"switch":false,"probe_type":"httpGet","path":"/ready","port":80,"initial_delay_seconds":0,"period_seconds":10,"timeout_seconds":1,"failure_threshold":3}},"storage_config":[],"share_storage_config":[],"nas_storage_config":[],"share_mem_config":[{"target_dir":"/dev/shm","volume_name":"mem-default","read_only":null,"sub_path_expr":null}],"share_disk_config":[],"env":[],"start_script":{"command":[],"args":[]},"repository_account":null,"is_update_repository":null,"resource_weight":{"cpu_weight":1,"mem_weight":1,"gpu_weight":1},"registered_ports":null,"restart_policy":null}],"init_services":null,"deployment_yaml":null,"development_support":null,"deployment_name":"deployment-452-2l2x9dhi","task_tags":null,"dynamic_pod_strategy":null,"load_balance":null,"task_schedules":null,"task_qos":null,"share_disk_volumes":[],"share_mem_volumes":[{"name":"mem-default","size_limit":4196}],"scheduling_template":null,"termination_grace_period_seconds":null,"user_info":{"nickname":"name","tenant_nickname":null}}