/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Архитектура
qwen3_asr · dense
Базовая модель
Qwen3-ASR-1.7B
Библиотека
transformers
Опубликована
24 июл 2026

qwen3-asr-uzbek

Распознавание речиАудио → текст

Дообученная Qwen3-ASR-1.7B для распознавания узбекской речи и транскрибации аудио в текст.

23скачиваний за 30 дней0лайковвеса обновлены24 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

Qwen3-ASR Uzbek (v1) — модель распознавания речи, созданная дообучением Qwen/Qwen3-ASR-1.7B для транскрибации узбекской речи в текст. Она принимает аудио и предназначена для преобразования узбекских записей в текст; в README заявлено, что модель показала лучшее качество среди приведённых там вариантов, а повторения частично обрабатываются постобработкой. Обучение проводилось в течение трёх эпох на примерно 104 тысячах примеров из Google FLEURS и Uzbek Speech Corpus. Модель распространяется в формате Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация записей на узбекском языке
  • распознавание узбекской речи в аудиозаписях
  • преобразование узбекских речевых сообщений в текст

Ограничения

Модель ориентирована на узбекскую речь; README отмечает, что для устранения части повторов применяется постобработка.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-ASR Uzbek (v1)

Fine-tuned Qwen/Qwen3-ASR-1.7B for Uzbek speech-to-text.

Model Details

  • Base model: Qwen/Qwen3-ASR-1.7B
  • Language: Uzbek (uz)
  • Training data: ~104K samples from FLEURS + Uzbek Speech Corpus
  • Training: 3 epochs, lr=2e-5, batch_size=32, gradient_accumulation=4

Usage

import torch
from qwen_asr import Qwen3ASRModel

model = Qwen3ASRModel.from_pretrained(
    "Gearnode/qwen3-asr-uzbek",
    device_map="cuda:0",
    dtype=torch.bfloat16,
    attn_implementation="flash_attention_2",
    max_new_tokens=448,
    forced_aligner="Qwen/Qwen3-ForcedAligner-0.6B",
    forced_aligner_kwargs=dict(dtype=torch.bfloat16, device_map="cuda:0"),
)

results = model.transcribe(
    audio=[(audio_array, 16000)],
    language=["Uzbek"],
    return_time_stamps=True,
)
print(results[0].text)

Training Datasets

  • Google FLEURS uz_uz (2,943 samples)
  • Uzbek Speech Corpus (100,767 samples)

Evaluation

ModelUzbek QualityNotes
This modelBestSome repetition handled by post-processing
Meta MMS (mms-1b-all)PassableUse lang code uzb-script_latin
Whisper large-v3PoorHallucination loops on Uzbek
Base Qwen3-ASRPoorMixed languages

License

Apache 2.0 (same as base model)

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
cb73a45

0 моделей