/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3-ASR-0.6B
Библиотека
openasr
Опубликована
31 мая 2026

qwen3-asr-0.6b

Распознавание речиАудио → текст9 профессий

OpenASR/qwen3-asr-0.6b — компактная модель автоматического распознавания речи, разработанная командой Qwen при Alibaba и упакованная проектом OpenASR в нативный формат .oasr.

27 571скачиваний за 30 дней1лайквеса обновлены27 июл 2026

Бенчмарки

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

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

Модель основана на Qwen3-ASR-0.6B и предназначена для преобразования аудио в текст с поддержкой офлайн- и потоковой транскрипции, включая обработку длинных аудиозаписей и встроенное определение языка речи.

Модель поддерживает 30 языков и 22 китайских диалекта, всего 52 языка и диалекта. Она рассчитана на эффективное использование на CPU и GPU, работает в OpenASR без Python во время инференса и доступна в вариантах fp16, q8_0 и q4_k. Размер сборок составляет примерно от 631 МБ до 1,88 ГБ; q8_0 рекомендуется как компромисс между качеством и занимаемой памятью, q4_k — для устройств с ограниченными ресурсами, а fp16 — для максимальной точности. Для распознавания сложного аудио заявлена устойчивость к чистой речи, вокалу и песням с фоновой музыкой.

Ограничения включают отсутствие заявленной поддержки распознавания лиц или других модальностей, а также отсутствие встроенных таймкодов уровня слов; для них рекомендуется использовать отдельную модель Qwen3-ForcedAligner-0.6B. Пакеты распространяются по лицензии Apache-2.0, унаследованной от исходной модели; OpenASR выполняет конвертацию формата и квантизацию.

Для каких профессий подходит9

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

Qwen3-ASR 0.6B · OpenASR

Multilingual speech recognition across 52 languages & dialects — the fast, lightweight Qwen3-ASR

License Format Runtime Base model

Native speech-to-text in the OpenASR runtime — engineered for peak performance on CPU & GPU, no Python at inference time.


✨ Highlights

  • 🌍 52 languages & dialects — 30 languages plus 22 Chinese dialects, with built-in spoken-language identification
  • 🎧 Robust on hard audio — clean speech, singing voice, and songs over background music
  • ⚡ Fast & light — the efficiency-tuned member of the Qwen3-ASR family; one model for both offline and streaming
  • 🦀 Native in OpenASR — .oasr packs run with no Python at inference, engineered for peak performance on CPU & GPU

🚀 Quickstart

# 1. Install the OpenASR CLI  ·  https://openasr.org
# 2. Pull a build (pick a quant — see the table below)
openasr pull qwen3-asr-0.6b:q8

# 3. Transcribe
openasr transcribe audio.wav --model qwen3-asr-0.6b

All builds for this model:

openasr pull qwen3-asr-0.6b:fp16
openasr pull qwen3-asr-0.6b:q8
openasr pull qwen3-asr-0.6b:q4

📦 Available builds

QuantFile (.oasr)SizeRAM peakRTF · M1 CPURTF · M1 GPUJFK ΔWER vs fp16
fp16qwen3-asr-0.6b-fp16.oasr1.88 GB4.51 GB0.58×0.41×0.0%
q8_0qwen3-asr-0.6b-q8_0.oasr1.01 GB2.86 GB0.55×0.27×0.0%
q4_kqwen3-asr-0.6b-q4_k.oasr631 MB3.54 GBn/an/an/a

RTF = real-time factor on the fixed 11s JFK clip (lower is faster); RAM peak measured per pack in an isolated subprocess. JFK ΔWER compares each quantized build's JFK transcript to this model's fp16 JFK transcript, so it measures quantization drift rather than absolute recognition accuracy. q8_0 is the recommended default — near-reference quality at a fraction of the footprint.

🧠 About Qwen3-ASR 0.6B

Qwen3-ASR-0.6B is the compact, efficiency-optimized member of Alibaba's Qwen3-ASR family, built on the Qwen3-Omni audio-understanding foundation. It performs language identification and speech recognition across 30 languages and 22 Chinese dialects (52 in total), and stays robust on challenging audio — clean speech, singing voice, and songs with background music. A single unified checkpoint handles both offline and real-time streaming transcription and can process long audio; the 0.6B size targets a strong accuracy-vs-efficiency trade-off (the Qwen team reports up to ~2000× throughput at high concurrency), making it the family's go-to for lightweight, high-throughput deployments. This OpenASR repo repackages the original weights as .oasr packs that run natively in the OpenASR runtime — no Python at inference time. The q8_0 build is the recommended default (near-reference accuracy at roughly half the footprint); q4_k suits tight-memory devices and fp16 is for verification or maximum fidelity. For word-level timestamps, pair it upstream with Qwen3-ForcedAligner-0.6B.

⚙️ How these packs were made

Converted from Qwen/Qwen3-ASR-0.6B with the OpenASR importer:

openasr model-pack import qwen <src> <out>.oasr \
  --package-id qwen3-asr-0.6b --quantization {fp16,q8-0,q4-k}

The .oasr container is GGUF-backed; packs use zero-copy mmap weight binding and graph buffer reuse to keep peak memory low.

⚖️ License

These packs inherit the upstream model's license: Apache-2.0 (source). OpenASR packaging retains the upstream copyright and NOTICE; the only modifications are format conversion and quantization.

🙏 Acknowledgements

This pack is a redistribution of Qwen3-ASR-0.6B, created and open-sourced by the Qwen team at Alibaba (Qwen/Qwen3-ASR-0.6B). All credit for the original architecture, training, and weights belongs to them; the license is inherited from and identical to the upstream model (Apache-2.0). The GGUF quantization recipe and bit-identity verification methodology were informed by the community GGUF work at cstr/qwen3-asr-1.7b-GGUF. Thank you to both teams for releasing their work openly.

🔗 Links

Как запустить

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

GPU в ailist

Универсальный рантайм · openasr

Нельзя запустить

Библиотека «openasr» рантаймом не поддерживается.

Ревизия весов
3ed5dbd

0 моделей