/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Архитектура
qwen3_asr · dense
Базовая модель
Qwen3-ASR-0.6B
Библиотека
transformers
Опубликована
23 июл 2026

qwen3-asr-0.6b-amharic-gold-silver

Распознавание речиАудио → текст

Дообученная Qwen3-ASR-0.6B распознаёт амхарскую речь и преобразует аудио в текстовую транскрипцию.

20скачиваний за 30 дней1лайквеса обновлены23 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

b1n1yam/qwen3-asr-0.6b-amharic-gold-silver — модель автоматического распознавания речи на амхарском языке, созданная дообучением Qwen3-ASR-0.6B. Она принимает аудио и генерирует текстовую транскрипцию; архитектура — плотная Qwen3-ASR, для работы используется библиотека Transformers. Модель предназначена для транскрибации амхарской речи, оценки качества распознавания и дальнейшей адаптации к предметной области при наличии лицензированных данных.

Вариант настроен на отобранном корпусе аудио и текстовых транскрипций на амхарском и показал WER 36,99% и CER 15,71% на тестовой выборке из этого источника. На наборе WAXAL WER составил 37,56%; более широкий смешанный вариант в приведённом сравнении показал там лучший результат. Модель лучше подходит для условий, сходных с исходным отобранным корпусом, а качество зависит от записи, говорящего, диалекта, предметной области и длительности аудио.

Модель может пропускать слова или ошибаться, поэтому для важных решений транскрипции нужно проверять человеком. Она не предназначена для идентификации говорящих, перевода или выравнивания временных меток. Лицензия — Apache-2.0; обучающий корпус поддерживается разработчиком и не включён в репозиторий.

Сценарии применения

  • транскрибация аудиозаписей на амхарском языке
  • распознавание амхарской речи в исследовательских экспериментах
  • оценка качества ASR на амхарских тестовых корпусах
  • адаптация распознавания амхарской речи к предметной области

Ограничения

Качество меняется в зависимости от записи, говорящего, диалекта, предметной области и длительности аудио; модель может пропускать слова и выдавать ошибки, поэтому важные транскрипции требуют проверки. Она не предназначена для идентификации говорящих, перевода и выравнивания временных меток; опубликованная оценка охватывает ограниченный набор корпусов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-ASR-0.6B Amharic - Curated

An Amharic automatic speech recognition checkpoint derived from Qwen3-ASR-0.6B.

This variant is tuned on a curated Amharic speech-text corpus and is the recommended release when performance on the curated-source evaluation is the priority.

Benchmark

Results use fixed held-out evaluation sets and identical deterministic generation settings (language=None, max_new_tokens=512, batch size 1). Lower WER and CER are better.

EvaluationCurated variantBroader mixed variant
Curated-source heldout WER36.99%37.46%
Curated-source heldout CER15.71%16.18%
WAXAL WER37.56%36.57%
WAXAL CER16.45%15.57%

The curated variant is stronger on the curated-source heldout. The broader mixed variant generalizes better to WAXAL in this evaluation.

Live Colab Demo

Open the Gradio demo notebook, then open it in Google Colab and run the cells in order. The final cell creates a temporary public Gradio link while the notebook remains connected.

Usage

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

model = Qwen3ASRModel.from_pretrained(
    "b1n1yam/qwen3-asr-0.6b-amharic-gold-silver",
    dtype=torch.bfloat16,
    device_map="cuda:0",
    max_inference_batch_size=8,
    max_new_tokens=512,
)

result = model.transcribe(
    audio="path/to/audio.wav",
    language=None,
)

print(result[0].text)

Audio should contain clear Amharic speech. Keep language=None; this is the setting used for the reported benchmarks.

Intended Use

  • Amharic speech transcription
  • Research and evaluation of Amharic ASR
  • Further domain adaptation with appropriately licensed data

Limitations

  • Performance varies by recording conditions, speaker, dialect, domain, and audio duration.
  • The model can omit words or generate incorrect text. Human review is required for consequential uses.
  • The benchmark covers a limited set of held-out corpora and should not be interpreted as universal Amharic ASR performance.
  • This release is not designed for speaker identification, translation, or timestamp alignment.

Training Data Disclosure

The model was adapted with a privately maintained, curated Amharic speech-text corpus. Source manifests and row-level metadata are not included in this repository.

License and Attribution

This model is released under the Apache-2.0 license, following the upstream Qwen3-ASR-0.6B license. Please also review the upstream model card.

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
c6caaa8

0 моделей