/ 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-mixed

Распознавание речиАудио → текст3 профессии

Модель на основе Qwen3-ASR-0.6B для транскрибации амхарской речи с упором на обобщение на разные источники аудио.

152скачиваний за 30 дней3лайкавеса 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

Qwen3-ASR-0.6B Amharic - Broader Mixed — модель распознавания речи на амхарском языке, разработанная на основе Qwen3-ASR-0.6B. Она предназначена для транскрибации амхарской речи и адаптации к разным источникам записи; вариант с более широким набором аудиотекстовых данных рекомендован, когда важна обобщающая способность за пределами тщательно отобранного обучающего домена. Модель использует плотную архитектуру Qwen3-ASR и принимает аудио, выдавая текст. В тесте WAXAL её WER составил 36,57%; на отложенной выборке из исходного домена WER составил 37,46%, поэтому результаты зависят от корпуса и условий записи.

Качество может меняться в зависимости от условий записи, говорящего, диалекта, предметной области и длительности аудио; возможны пропуски слов и ошибки, поэтому текст для ответственных задач требует проверки человеком. Обучающие данные включают частную смесь курируемых и дополнительных амхарских аудиотекстовых данных, а опубликованные тесты охватывают ограниченный набор корпусов. Модель не предназначена для идентификации говорящего, перевода или выравнивания временных меток. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация амхарской речи из аудиозаписей
  • распознавание амхарской речи в аудио из разных источников
  • подготовка текстовых расшифровок амхарских записей для последующей проверки
  • оценка качества систем распознавания амхарской речи
  • адаптация ASR к новым доменам на лицензированных данных

Ограничения

Качество зависит от условий записи, говорящего, диалекта, домена и длительности; возможны пропуски и ошибки, поэтому важные расшифровки нужно проверять. Опубликованные бенчмарки охватывают ограниченное число корпусов, а модель не предназначена для идентификации говорящего, перевода или выравнивания временных меток.

Для каких профессий подходит3

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

Qwen3-ASR-0.6B Amharic - Broader Mixed

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

This variant uses a broader Amharic speech-text mixture and is the recommended release when generalization beyond the curated training domain 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%
Supplemental-source heldout WERNot evaluated31.47%
Supplemental-source heldout CERNot evaluated13.87%

The broader mixed variant improves WAXAL WER by 0.99 percentage points over the curated variant, while the curated variant remains 0.47 points better on its source-matched heldout.

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-mixed",
    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

  • General-purpose 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.
  • Supplemental training material received structural validation and exact audio deduplication, but was not assigned the same row-level quality tiers as the curated corpus.
  • This release is not designed for speaker identification, translation, or timestamp alignment.

Training Data Disclosure

The model was adapted with a privately maintained mixture of curated and supplemental Amharic speech-text data. 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
e6f9b8d

0 моделей