/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3-ASR-1.7B
Опубликована
27 авг 2026

qwen3-asr-1.7b-q8-packed

Распознавание речиАудио → текст

Упакованная int8-версия Qwen3-ASR-1.7B для распознавания и транскрибации речи в движке qwen-asr, включая браузерный запуск.

0скачиваний за 30 дней0лайковвеса обновлены27 авг 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

Это упакованная версия весов Qwen3-ASR-1.7B для движка qwen-asr, разработанная для нативного запуска и работы в браузере через WebAssembly или WebGPU. Репозиторий содержит файл весов в формате safetensors layout и файлы токенизатора, унаследованные от базовой модели Qwen/Qwen3-ASR-1.7B.

Модель предназначена для распознавания речи и транскрибации аудиофайлов. Веса квантизированы до int8; автор сообщает, что в английском регрессионном наборе транскрипты совпадают с результатами bf16-версии. Файл весов занимает 2,18 ГБ вместо 4,70 ГБ у bf16-шардов и рассчитан на загрузку движком qwen-asr, включая браузерный демо-сценарий.

Модель унаследована от Qwen/Qwen3-ASR-1.7B и распространяется по лицензии Apache-2.0. Указанные в карточке языки — английский, японский и китайский; приведённое сравнение качества охватывает только английский регрессионный набор.

Сценарии применения

  • транскрибация аудиофайлов на английском
  • распознавание японской речи
  • распознавание китайской речи
  • локальный запуск распознавания речи в браузере
  • распознавание речи в приложениях на WebAssembly или WebGPU

Ограничения

Заявленное совпадение транскриптов с bf16-версией относится только к английскому регрессионному набору. Для запуска требуется совместимый движок qwen-asr и файл весов размером 2,18 ГБ.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-ASR 1.7B — packed Q8 image for qwen-asr

A pre-quantized weight image of Qwen/Qwen3-ASR-1.7B for the qwen-asr pure-C / WebAssembly / WebGPU inference engine (a fork of antirez/qwen-asr).

qwen-asr-q8.bin is the engine's --pack-q8 output: one safetensors-format file in which the 28 decoder transformer layers, the tied embedding / LM head and the audio tower are block-quantized to int8 (64 weights per f32 scale, ~1.06 bytes/weight), and the SwiGLU gate/up pair is pre-fused. It loads by mmap/attach in ~15 ms natively and is what the browser demo streams: 2.18 GB instead of 4.70 GB of bf16 shards.

filepurpose
qwen-asr-q8.binpacked Q8 weights (decoder + encoder), safetensors layout
vocab.json, merges.txtbyte-level BPE tokenizer files, unchanged from the base model

Use

Native:

git clone https://github.com/ainoya/qwen-asr && cd qwen-asr && make blas
mkdir qwen3-asr-1.7b-q8 && cd qwen3-asr-1.7b-q8
# download qwen-asr-q8.bin, vocab.json, merges.txt from this repo, then:
cd .. && ./qwen_asr -d qwen3-asr-1.7b-q8 -i your_audio.wav

Browser: the playground fetches this file directly (WebGPU when available, wasm SIMD128 + threads otherwise), and caches it in OPFS after the first visit.

Quality

Q8 here quantizes weights only; on this 1.7B model the engine's English regression suite is transcript-identical to the bf16 path, and the packed image is the engine's default. See the engine repository for measured numbers and the calibration workflow.

License

Apache 2.0, inherited from the base model. The packing format and engine are MIT (© Salvatore Sanfilippo and contributors).

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
75bad7e

0 моделей