Qwen3-ASR × BibiGPT
2026-01-30，阿里雲通義千問團隊開源了 Qwen3-ASR——一組覆蓋 52 種語言與方言的語音辨識模型，提供 1.7B 與 0.6B 兩個尺寸，另配一個非自迴歸的強制對齊模型，可在 11 種語言裡把文字與音訊對齊。1.7B 在開源語音辨識裡達到當前最好水平，與最強的商業 API相當；0.6B 犧牲一點準確率換來並行 128 下約 2000 倍的吞吐。這件事的實際含義是：方言重、口音重、帶背景音樂的音訊，想要準確轉寫不再只有付費 API一條路。而把字變成能用的東西——帶時間戳的文字稿、總結、可搜尋的筆記——是 BibiGPT 從一條連結就能給你的。
關鍵事實（90 秒讀完）
2026-01-30，阿里雲通義千問團隊開源 Qwen3-ASR——1.7B 與 0.6B 兩個尺寸的語音辨識模型，覆蓋 52 種語言與方言（30 種語言加 22 種中文方言，以及帶口音的英語），內建語種檢測與時間戳預測，另配一個覆蓋 11 種語言的非自迴歸強制對齊模型。1.7B 在開源語音辨識中達到當前最好水平，與最強商業 API相當；0.6B 在並行 128 下達到約 2000 倍吞吐。實際含義是：方言重、口音重、帶音樂的音訊要準確轉寫，不再只能走付費 API。而拿到字只是前半程——BibiGPT 負責後半程，把一條連結變成帶時間戳的文字稿、總結和可搜尋筆記。
Features
Qwen3-ASR 是什麼？
2026-01-30 由阿里雲通義千問團隊開源，Qwen3-ASR 是一組一體化語音辨識模型。提供 Qwen3-ASR-1.7B 與 Qwen3-ASR-0.6B 兩個尺寸，都能在 52 種語言與方言範圍內做語種辨識和轉寫，並內建時間戳預測。另有一個獨立的非自迴歸強制對齊模型，可在 11 種語言裡把已有文字與音訊對齊。
52 種語言與方言
覆蓋 30 種語言外加 22 種中文方言，以及多個國家和地區口音的英語。方言與口音正是多數開源語音辨識翻車的地方，而真實錄音往往就長這樣。
兩個尺寸，兩種取捨
1.7B 是開源語音辨識裡的當前最好水平，與最強的商業 API相當；0.6B 保持不錯的準確率，同時在並行 128 下達到約 2000 倍吞吐——為量而生，不是為單個完美檔案。
語音、音樂、歌聲，都帶時間戳
模型能處理語音、音樂與演唱音訊，自行判斷語種並預測時間戳。有沒有時間戳，決定了你拿到的是一堵文字牆，還是一份能跳著看的文字稿。
為什麼做影片的人該關心一次開源語音辨識釋出
文字稿是後面一切的原料——總結、搜尋、翻譯、切片、筆記。當準確的多語言轉寫變得開源且便宜，瓶頸就從「拿到字」挪到了「拿字做事」。後半程正是 BibiGPT 所在的位置。
方言重的音訊不再是死路
帶地方方言的錄音，或口音很重的英語，長期以來是轉出來一堆亂碼的那一類檔案。開源模型把方言和口音覆蓋做進來之後，「哪些音訊值得轉寫」這件事本身變了。
文字稿只是第一步
任何語音辨識吐出來的純文字，仍然要人去讀。BibiGPT 接一條連結就給你帶時間戳的文字稿，加上 AI 總結、思維導圖和筆記——兩小時錄音變成幾分鐘能掃完的東西。
只想要答案的人不該配環境
跑開源模型意味著權重、顯示卡，還有把它跑起來的一整套環境。大多數只是想補一節課的人並不想碰這些。BibiGPT 把它壓回到「瀏覽器裡貼一條連結」——結果一樣，省掉組裝。
5 條關鍵事實（90 秒讀完）
來自通義千問團隊 2026-01-30 開源 Qwen3-ASR 的核心事實。
- 1
2026-01-30 開源
阿里雲通義千問團隊把 Qwen3-ASR 作為開源模型系列釋出，而不是隻提供介面。
- 2
52 種語言與方言
30 種語言加 22 種中文方言，以及多個國家和地區口音的英語——正是多數開源語音辨識缺的那部分覆蓋。
- 3
兩個尺寸：1.7B 與 0.6B
1.7B 領先開源語音辨識基準，且能與最強商業 API一較高下；0.6B 用一點準確率換來並行 128 下約 2000 倍的吞吐。
- 4
自帶語種檢測與時間戳
模型自行判斷所說語種並預測時間戳，且覆蓋音樂與演唱內容，不只是乾淨人聲。
- 5
另有 11 種語言的對齊模型
一個非自迴歸的強制對齊模型可在 11 種語言裡把已有文字與音訊對上——做字幕和歌詞卡點需要的正是這塊。
BibiGPT 使用者的 3 個典型場景
覆蓋廣、準確率高的語音辨識，如何改變「哪些內容值得轉寫」。
一節方言口音的課
學生錄了一節老師在國語和方言之間來回切的課。拿到的不再是滿是窟窿的文字稿，而是可讀的帶時間戳文字加總結——複習從看筆記開始，而不是從重聽開始。
多語言的播客存檔
創作者手裡有幾年的節目，嘉賓來自不同國家、口音各異。每條連結都變成可搜尋的文字稿和結構化總結，讓沒人搜得動的存檔重新變成可複用的素材。
和音訊對得上的字幕
剪輯手裡有稿子和成片，就是沒有時間軸。帶時間戳的轉寫正是讓字幕落在正確那一幀的前提——BibiGPT 還能從同一份素材一次做出雙語字幕。
深受創作者、學生和研究人員的喜愛
看看大家為什麼每天都用 BibiGPT 把影片轉成文字。
全球 50,000+ 使用者的信賴之選
“貼上連結幾秒鐘就拿到乾淨的字幕文字，每週幫我省下好幾個小時的手動整理時間。”
Maya R.
內容創作者 · 二次創作短影片
“匯出逐字稿後我可以按自己的節奏複習生詞，再也不用反覆暫停影片了。”
Daniel K.
語言學習者 · 用真實影片學外語
“準確、帶時間戳的文字可以直接引用，它已經悄悄成為我日常工作流程的一部分。”
Priya S.
研究人員 · 引用公開演講
FAQ
常見問題
歡迎提問！
Popular guides
1 B站AI影片摘要工具推薦：BibiGPT一鍵摘要30+平台影片（2026精選）
B站AI影片摘要工具哪個好？BibiGPT支援30+平台、100萬+用戶信賴，一鍵貼上連結即可產生結構化摘要。本文深度對比5大工具，含AI Agent 自動化方案。
2 How to Install Skills in DeepSeek Harness: A Hands-On Guide to Teaching dsh to Watch Videos
Install a video-summary skill into DeepSeek Harness in one copy-paste — SKILL.md matches Claude Code. Or skip dsh: paste a Bilibili or YouTube link in the browser and get a timestamped summary.
3 How to Reverse a Video Without an App — Free, In-Browser, No Download (2026)
Reverse any video free with no app and no download, right in your browser. Step-by-step for iPhone, Android, and PC, plus how to reverse audio (2026).
把任意影片或播客變成能搜尋的文字稿
貼一條 B 站、YouTube 或播客連結，或上傳自己的檔案。BibiGPT 給你帶時間戳的文字稿、AI 總結，以及可以搜尋、翻譯、發去筆記軟體的筆記。不用配模型，不用顯示卡，不用命令列。