/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Архитектура
qwen3_asr · dense
Базовая модель
Qwen3-ASR-1.7B
Опубликована
20 авг 2026

qwen3_asr_1.7b_ko_beta

Распознавание речиАудио → текст4 профессии

Дообученная на корейской речи модель Qwen3-ASR-1.7B для автоматической транскрибации аудио.

524скачиваний за 30 дней2лайкавеса обновлены12 окт 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

TeamUNIVA подготовила эту плотную модель распознавания речи дообучением Qwen3-ASR-1.7B на корейских аудиоданных. Модель предназначена для преобразования корейской речи в текст и работает с пакетом qwen-asr, как и базовая модель.

На указанных корейских тестах модель показала более низкий CER, чем базовая Qwen3-ASR-1.7B; в README также отмечено незначительное ухудшение на английском LibriSpeech. Лицензия Apache-2.0. Результаты бенчмарков могут отличаться от качества на реальных записях с шумом и разными дикторами; для других языков нужна отдельная проверка.

Сценарии применения

  • транскрибация корейских телефонных разговоров
  • распознавание корейской речи в аудиозаписях
  • создание текстовых расшифровок корейских аудио для поиска и архивации

Ограничения

Специализирована на корейской речи; качество для других языков требует отдельной проверки. Результаты тестов могут не отражать качество на реальных записях с шумом и разнообразием дикторов.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TeamUNIVA/qwen3_asr_1.7b_ko_beta

English | 한국어

Update: A further-trained successor to this model is available at TeamUNIVA/qwen3_asr_1.7b_ko. It was initialized from this model and achieves lower error rates on Korean benchmarks, so we recommend using it for new work.

This model is a fine-tune of Qwen/Qwen3-ASR-1.7B on Korean speech data for automatic speech recognition (ASR). It achieves lower error rates than the base model across Korean benchmarks, with negligible degradation on English (LibriSpeech).

Evaluation Results

Korean scores are measured in CER (Character Error Rate); the English score is measured in WER (Word Error Rate). Lower is better for both metrics.

DatasetMetricQwen3-ASR-1.7B (base)This modelChange (%p)
clova_callCER0.04480.0293-1.55
common_voice_koCER0.07190.0628-0.91
fleurs_koCER0.01420.0138-0.04
ksponspeechCER0.08650.0670-1.95
zerothCER0.02640.0230-0.34
Korean totalCER0.06860.0537-1.49
librispeech (English, reference)WER0.02500.0246-0.04

Evaluation Set

All open Korean benchmark evaluation sets used above were fully reviewed by hand: each utterance was checked for dual TN/ITN (text normalization / inverse text normalization) transcripts, low-quality samples were filtered out, and mis-transcriptions were corrected. Every utterance was then evaluated against both the TN and ITN transcripts, and the better-scoring transcript of the pair was used for the final aggregated result. After this review, 8,383 of the original 8,489 records were retained (106 excluded):

DatasetRetained records
clova_call1,083
common_voice_ko564
fleurs_ko382
zeroth449
kspon_eval_clean2,946
kspon_eval_other2,959
Total8,383

Usage

Uses the same qwen-asr package as the base model.

pip install -U qwen-asr
import torch
from qwen_asr import Qwen3ASRModel

model = Qwen3ASRModel.from_pretrained(
    "TeamUNIVA/qwen3_asr_1.7b_ko_beta",
    dtype=torch.bfloat16,
    device_map="cuda:0",
    max_inference_batch_size=32,
    max_new_tokens=256,
)

# The language is detected automatically. To force Korean, pass
# language="Korean" (the full language name, as expected by qwen-asr).
results = model.transcribe(
    audio="path/to/audio.wav",
)

print(results[0].text)

Limitations

  • This model was fine-tuned specifically for Korean speech recognition; performance on other languages may be similar to the base model or require separate validation.
  • Evaluation is based on the benchmark datasets listed above; results may differ in real-world production conditions (noise, speaker variability, etc.).

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ASRForConditionalGeneration
Ревизия весов
3cb9768

0 моделей