Alibaba запускает Qwen3-ASR-Toolkit для транскрипции длинных записей

Alibaba Cloud представила бесплатный инструмент Qwen3-ASR-Toolkit для транскрипции длинных аудио- и видеофайлов. Он снимает ограничения прошлых решений и позволяет журналистам, исследователям и создателям контента быстро и точно переводить записи в текст, включая лекции, подкасты и встречи.

Qwen3-ASR-Toolkit — новый open-source инструмент, построенный на базе модели Qwen3-ASR-Flash. В отличие от API-версии с лимитом в 3 минуты, этот пакет позволяет расшифровывать аудиофайлы любой длины.

Технология

Qwen3-ASR-Flash появилась всего неделю назад, но уже получила высокие оценки за точность. Модель основана на мультимодальной архитектуре Qwen3-Omni, обучена на десятках миллионов часов аудио и поддерживает 11 языков, включая русский. Она не только распознаёт речь, но и автоматически отсекает шум и неречевые сегменты.

Как начать пользоваться

Полный код и документация выложены на GitHub , а чтобы запустить Qwen3-ASR-Toolkit, нужно:

Установить Python версии 3.8 или выше .
Установить FFmpeg (подходит для Windows, macOS и Linux).
Получить API-ключ от платформы DashScope (Alibaba Cloud).
Установить инструмент одной командой:

\npip install qwen3-asr-toolkit\n
Для запуска достаточно одной строки:
\nqwen3-asr -i \"путь_к_файлу.mp4\"\n
Инструмент использует Voice Activity Detection (VAD), чтобы разбивать длинные файлы на фрагменты по естественным паузам. Параллельная обработка (по умолчанию 4 потока, с возможностью увеличить до 8+) позволяет заметно ускорить работу, особенно при транскрипции часовых лекций.

Совместимость

Поддерживаются популярные форматы видео (MP4, MOV, MKV) и аудио (MP3, WAV, M4A). Все записи автоматически приводятся к формату 16 кГц моно, что обеспечивает стабильное качество и универсальность обработки.

Для кого это полезно

Журналисты и исследователи, работающие с часами аудиоархивов.
Создатели подкастов и видеоблогеры, которым важно быстро готовить расшифровки.
Образовательные проекты и компании, где накоплены большие массивы лекций и онлайн-встреч.

Зачем это нужно

Alibaba делает шаг к демократизации ИИ. Бесплатный доступ к мощной модели и удобному инструменту открывает дорогу для массового использования транскрипции. Это особенно актуально в условиях стремительного роста аудиоконтента — от онлайн-курсов до корпоративных встреч.