/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
MIT
Архитектура
qwen3_asr · dense
Базовая модель
Qwen3-ASR-0.6B
Библиотека
transformers
Опубликована
10 июл 2026

TEA-ASR-1.1-mini-fmt

Распознавание речиАудио → текст5 профессий

TEA-ASR-1.1-mini-fmt распознаёт тайваньскую мандаринскую речь и позволяет выбирать запись числительных цифрами или китайскими иероглифами.

14скачиваний за 30 дней0лайковвеса обновлены10 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

TEA-ASR-1.1-mini-fmt — компактная модель автоматического распознавания речи для тайваньского мандаринского языка, разработанная как вариант TEA-ASR-1.1-mini с управляемым форматом записи числительных. Модель дообучена на базе Qwen/Qwen3-ASR-0.6B и содержит около 780 млн параметров. Она принимает аудио и транскрибирует его традиционными китайскими иероглифами, включая тайваньскую лексику.

Формат числительных задаётся префиксом декодера: можно выбрать арабские цифры или запись китайскими числительными. Управление форматом даёт умеренный эффект: оно заметнее на обычной тайваньской речи и слабее на спонтанных лекциях. Модель рассчитана прежде всего на мандаринскую речь; по устойчивости к плотному переключению между китайским и английским она уступает основной версии TEA-ASR-1.1-mini. В README приведены результаты тестирования на CommonVoice, ASCEND и CSZS.

Подходит для расшифровки субтитров, записей и журналов, где требуется единое оформление чисел, при ограниченных вычислительных ресурсах. Использует архитектуру Qwen3-ASR и формат весов Safetensors; для работы с моделью указана библиотека Transformers. Лицензия — MIT.

Сценарии применения

  • транскрибация тайваньской мандаринской речи
  • создание субтитров с заданным форматом чисел
  • оформление числительных в расшифровках записей и лекций
  • распознавание речи с тайваньской лексикой

Ограничения

Управление форматом числительных действует умеренно и слабее на спонтанной речи. На плотном переключении между китайским и английским модель уступает TEA-ASR-1.1-mini.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TEA-ASR-1.1-mini-fmt · Taiwan Everyday Audio 🍵 (format-controllable, 780M)

The output-convention-controllable variant of TEA-ASR-1.1-mini. Same compact drop-in Taiwan-Mandarin ASR — native Traditional Chinese + Taiwan vocabulary — plus a working numeral-style dial (digits → 108年 / zh-num → 一百零八年) in the decoder-prefix channel.

Which one should I use?

  • Formatting-sensitive, Mandarin-dominant work (subtitles, records, logs with a required numeral convention) on a small compute budget → this model.
  • Any Mandarin–English code-switching → use TEA-ASR-1.1-mini (or the 2B TEA-ASR-1.1): at 780M the format control costs a substantial amount of dense-code-switch robustness (CSZS 12.51 → 14.83; see the table). This variant is for Mandarin-dominant audio.

Format control

Same interface as TEA-ASR-1.1-fmt: force the decoder prefix language Chinese format digits<asr_text> / … format zh-num<asr_text>.

Measured control strength (multi-digit panels, scripts/probe_numeral_flip.py):

Panel (audio)pair flipdigits compliancezh-num compliance
CommonVoice zh-TW0.730.770.93
NTUML20210.270.430.70

(Measured on this released checkpoint.)

At 780M the dial is a moderate bias: strong on read Taiwan-Mandarin speech, weaker on spontaneous lecture audio; single digits and decimals follow the domain's natural convention.

Benchmark results

MER% (lower is better), same protocol as the family cards (content fold, full test splits).

BenchmarkTEA-ASR-1.1-mini-fmtTEA-ASR-1.1-miniQwen3-ASR-0.6BBreeze-ASR-25
CommonVoice 19 (zh-TW)5.275.125.798.03
ASCEND (zh-en)11.2511.2012.5417.53
CSZS (zh-en)14.8312.5116.0312.18
NTUML20217.447.5311.037.50

How to read this. The fmt variant slightly leads on lectures and ties ASCEND, but pays a real dense-code-switch premium (CSZS +2.3) for the numeral dial — at 780M the conditioned output space is small enough that convention training measurably competes with code-switch robustness (the 2B fmt variant pays only +0.35 there). Use it where the numeral convention matters and the audio is Mandarin-dominant; otherwise prefer the main mini.

Evaluation, data, and packaging

Identical protocol and packaging to TEA-ASR-1.1-mini: leak-free train/test splits, < 10 hours of public training audio, rank-16 decoder LoRA + low-LR encoder LoRA merged into one drop-in checkpoint, Traditional output from the model's own tokenizer (no runtime post-processing; decode verified bit-exact on 152k+ sequences). The fmt recipe adds numeral-convention counterfactual pairs (same audio, both conventions, opposite tags) mined from the same corpora at zero extra audio budget.

Acknowledgements & license

Adapted from Qwen3-ASR (Apache-2.0); TaiMECS (CC-BY-4.0); benchmarks: Common Voice, ASCEND, CSZS, NTU ML2021. Released under the MIT License.

@misc{teaasr2026,
  title  = {Tokenizer-First Adaptation of Mandarin ASR to Taiwan Mandarin},
  author = {TEA-ASR contributors},
  year   = {2026},
  note   = {TEA-ASR (Taiwan Everyday Audio); adapted from Qwen3-ASR}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ASRForConditionalGeneration
Ревизия весов
30180dd

0 моделей