Qwen3-ASR 是 Qwen3 系列中的语音识别模型。近期相关报道包括：Nari Labs 开源了面向 Qwen3-TTS 与 Qwen3-ASR 的低延迟推理引擎，称在 10 RPS 下延迟低于 50 毫秒；Hugging Face 发布的 Apple 平台 Swift 包 AnySpeechRecognizer 将 Qwen3-ASR 列为基于 Core ML 的可选引擎之一；另有一项小规模研究用带背景人声的音频做音频验证码测试，Qwen3-ASR 的词准确率为 0.55。
Hugging Face发布AnySpeechRecognizer与AnyDecisionModelHugging Face推出两个开源Swift包：AnySpeechRecognizer封装苹果iOS 26/macOS 26的SpeechAnalyzer API，可选Parakeet、Qwen3-ASR等本地Core ML引擎并支持说话人分离；AnyDecisionModel用概率而非文本生成回答是/否、多选与评分问题。两者均可从Hugging Face Hub下载模型并端侧运行。
研究：鸡尾酒会音频作为反向图灵测试，人机差距不足一项小型研究用40段混入背景人声的合成音频测试语音模型能否充当音频CAPTCHA。人类平均词准确率0.71、通过率77%，Gemini 3.8 Flash在提示下为0.54和55%，Qwen3-ASR为0.55；差距过小，难以作为可靠区分手段。
Nari Labs开源低延迟高精度Qwen3语音推理引擎Nari Labs开源了针对Qwen3-TTS与Qwen3-ASR的推理引擎，声称在Cov al基准上实现次50ms延迟（10 RPS）、在若干指标上与闭源服务竞优且成本更低，并公开了代码库对比阿里云等官方端点表现。
A.I. 日报