Qwen-Audio-3.0-ASR Technical Report, v2

保留四模块和辅助CTC，不把它说成声学模型完全消失、后处理文字模型单独改写或一次直接波形转字。注意力说明是机制释义，不推定无限可见信息；CTC作用须以§2正文及§5.4-5.5核对，不能仅由Fig.2推断。

7B只指Fun-ASR前身解码器，非本代或全系统参数。MoE释义限于部分计算的专家路由，未说每步整个系统都稀疏或专家是人工规则；未猜测本代骨干具体型号、专家数量、总 / 激活参数或保证更快。

20M为作者披露的Audio LLM预训练阶段数据量，未独立核验、不当实际独立人工录音量、全生命周期总量或单一独立样本；不同阶段数据不相加。共享函数与计数的比较为机制解释，不声称全部旧模型没有共享参数。

王工与前轮收件人信息均为节目构造情境，未调用模型实测。报告混入正确 / 冲突 / 噪声上下文，并要求当前音频为主；不保证提示强制命中。8192训练packing不在正文说成通用线上上限。

改口句为新增构造说明，非真实录音或模型实测。润色目标不一律等于逐字转录；引用核对仍须原声。本章比较机制 / 规模，不宣告新旧任务同条件准确率胜负，不把任何发布者能力报告当独立复跑。