/ Модель

Характеристики

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

qwen3-asr-1.7b-mizonal3-E4-lus-v2026.06

Распознавание речиАудио → текст4 профессии

Дообученная на MiZonal v3.0 модель Qwen3-ASR для транскрибации речи, вариант E4 с аугментацией SpecAugment.

13скачиваний за 30 дней0лайковвеса обновлены19 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

Это дообученная модель автоматического распознавания речи, созданная Andrew Bawitlung на основе Qwen/Qwen3-ASR-1.7B и обученная на наборе MiZonal v3.0. Вариант E4 использует SpecAugment с маскированием по времени и частоте; модель предназначена для преобразования аудио в текст, в частности в сценариях, связанных с языком lus.

На тестовом наборе автор сообщает WER 24,3938, CER 5,4583 и коэффициент реального времени 0,0651. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README называет её частью серии экспериментов и указывает, что публикации с подробностями находятся на рецензировании.

Сценарии применения

  • транскрибация аудиозаписей на языке lus
  • распознавание речи в аудиофайлах
  • оценка качества распознавания речи по WER и CER

Ограничения

В README приведены результаты WER 24,3938 и CER 5,4583 на оценочном наборе, но подробности протокола оценки не описаны. Модель представлена как часть экспериментальной серии, а публикация с дополнительными подробностями ещё находится на рецензировании.

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

Mizo Automatic Speech Recognition (ASR) Models v3.0

Disclaimer / Notice: Details for these are in Peer Review and publications of the paper will be made available soon for more details.

qwen3-asr-1.7b-mizonal3-E4-lus-v2026.06

This model is a fine-tuned version of Qwen/Qwen3-ASR-1.7B on the MiZonal v3.0 dataset.

It achieves the following results on the evaluation set:

  • Wer: 24.3938
  • Cer: 5.4583
  • Real Time Factor: 0.0651

Quick Inference

import torch
from qwen_asr import Qwen3ASRModel

# Load the model
model = Qwen3ASRModel.from_pretrained(
    "andrewbawitlung/qwen3-asr-1.7b-mizonal3-E4-lus-v2026.06", 
    dtype=torch.bfloat16, 
    device_map="cuda:0"  # Adjust device as needed
)

# Transcribe audio
results = model.transcribe("your_audio.wav")
print(results)

Model description

Experiment Configurations

This repository is part of a series of experiments. The different configurations are:

  • E1 (Baseline): Standard training configuration.
  • E2 (Noise): Training with background noise augmentation.
  • E3 (Speed): Training with speed perturbation augmentation.
  • E4 (SpecAug): Training with SpecAugment (time and frequency masking).
  • E5 (Combined): Training with a combination of all augmentations.

All Models in this Family

ExperimentHugging Face Repository
E1 (Baseline)andrewbawitlung/qwen3-asr-1.7b-mizonal3-E1-lus-v2026.06
E2 (Noise)andrewbawitlung/qwen3-asr-1.7b-mizonal3-E2-lus-v2026.06
E3 (Speed)andrewbawitlung/qwen3-asr-1.7b-mizonal3-E3-lus-v2026.06
E4 (SpecAug)andrewbawitlung/qwen3-asr-1.7b-mizonal3-E4-lus-v2026.06
E5 (Combined)andrewbawitlung/qwen3-asr-1.7b-mizonal3-E5-lus-v2026.06

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 32
  • eval_batch_size: 8
  • seed: 42
  • optimizer: OptimizerNames.ADAMW_TORCH_FUSED
  • lr_scheduler_type: SchedulerType.LINEAR
  • num_epochs: 8

Training results

stepepochtrain_losseval_losseval_wereval_cerlearning_rategrad_norm
2002.90180.43090.288524.57925.47601.31e-057.1875
4005.80000.20510.293022.63315.26405.67e-066.0938

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
d3b560a

0 моделей