/ Модель
Каталог

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Архитектура
qwen3_asr · dense
Базовая модель
Qwen3-ASR-0.6B
Опубликована
1 сен 2026

Ссылки

Hugging Face

Qwen3-ASR-0.6B-Backpack-ASR

backpack-run
Распознавание речиАудио → текст10 профессий

Компактная многоязычная модель Qwen для распознавания речи и транскрибации аудио в текст с определением языка.

63скачиваний за 30 дней5лайковвеса обновлены4 сен 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.

Открыть конструктор бенчмарка

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-Backpack-ASR — пакет Backpack с компактной многоязычной моделью распознавания речи Qwen3-ASR-0.6B, разработанной Qwen. Модель принимает аудио и преобразует речь в текст, включая определение языка. Подходит для транскрибации записей и интеграции в голосовые приложения; пакет рассчитан на использование в runtime Backpack и не заменяет выбранную пользователем чат-модель.

В репозитории находятся неизменённые upstream-веса в формате safetensors и точности BF16; их размер — около 1,8 ГиБ, рекомендованный объём RAM — 5 ГБ. README сообщает об успешной проверке загрузки и детерминированного аудиовывода. Модель основана на Qwen/Qwen3-ASR-0.6B, веса не дообучались. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей
  • распознавание речи в голосовых приложениях
  • автоматическое преобразование речи в текст
  • определение языка речи в аудио

Ограничения

Точность может различаться в зависимости от языка, акцента и качества аудио; распознанный текст может содержать ошибки.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3 ASR 0.6B — Backpack Voice Package

Compact multilingual ASR with language identification. This package stages immutable upstream artifacts for Backpack's voice runtime layer. It does not replace the chat model selected by the user.

Package

FieldValue
Capabilityspeech-to-text
Inputaudio
Outputtext
Parameters600000000
Runtimeqwen-asr
Configured runtime revisionqwen-asr==0.0.6

| Format | safetensors | | Precision | BF16 | | Primary artifact | model.safetensors | | Total packaged-file size | 1.8 GiB | | Recommended RAM | 5.0 GB | | Languages | multilingual |

Validation status

The packager verified the immutable revision, selected-file inventory, non-empty files, hashes, configuration JSON, and the primary artifact container/header. It also loaded the package and passed deterministic audio inference with the configured runtime.

| Integrity | Metadata | Runtime load | Audio inference | Tokenizer | |---|---|---|---| | passed | passed | passed | passed | passed |

Run with qwen-asr

Install qwen-asr==0.0.6, then load this repository path with Qwen3ASRModel.from_pretrained(...) and call transcribe(audio=...).

Packaged runtime services

These optional, Backpack-tested runtime bundles are distributed alongside the model weights. They are not separate models and do not replace the primary model artifact above.

RuntimePlatformBackendProtocol
qwen-asr==0.0.6windows-x64pytorch-cpuv1
  • runtime/windows-x64/pytorch-cpu/LICENSE — 11.3 KiB — 1eb85fc97224598dad1852b5d6483bbcf0aa8608790dcc657a5a2a761ae9c8c6
  • runtime/windows-x64/pytorch-cpu/NOTICE — 207.0 B — f1da68355a75a27ee586c57297502a8d1bb30d0c8f6ecfe129a303256fb4eadc
  • runtime/windows-x64/pytorch-cpu/checksums.sha256 — 358.0 B — 31dc479c65971804f45610ff3d45fa8457bba22fc4dcc4fe7731416427788ba2
  • runtime/windows-x64/pytorch-cpu/qwen-asr-0.0.6-windows-x64-pytorch-cpu.zip — 8.2 KiB — 330deaeace23cfefe414fdc71d28b19e12aaaefa0b0a3e1b3fb26d7807c656c8
  • runtime/windows-x64/pytorch-cpu/runtime-protocol-v1.schema.json — 1.0 KiB — 705d5dadf165f9819092fa275fff1783ad37b6ac6d4c2279ec092fcf3f15adf5
  • runtime/windows-x64/pytorch-cpu/runtime.yaml — 3.2 KiB — ff8f4d0728b1734575d40144ac62ee83e0e4ba37adde17eac6a33c6889ef9e1c

Provenance

  • Upstream: Qwen/Qwen3-ASR-0.6B

  • Immutable revision: 5eb144179a02acc5e5ba31e748d22b0cf3e303b0

  • License: apache-2.0

  • Backpack copied the selected upstream artifacts without modifying model weights.

  • Backpack did not train this model and does not claim ownership of it.

Files and checksums

  • chat_template.json — 1.1 KiB — 75a8cfca24f00de72d796fbfed6858fc9614ef3dabd8696684cc3bc03a9c58ff
  • config.json — 6.0 KiB — 76d3ae4601ce939830b2517f4a6cadb86cc51316c3900af6b020b051c21a478c
  • generation_config.json — 142.0 B — 1da527824d81e07118facff437e03f2e24a23311e3bdeb2368973fe77e5f275c
  • merges.txt — 1.6 MiB — 8831e4f1a044471340f7c0a83d7bd71306a5b867e95fd870f74d0c5308a904d5
  • model.safetensors — 1.7 GiB — 79d6cbd4c98c7bbffe9db2edac07f56cd6637d0d5944b27f6c2b8353840323ea
  • preprocessor_config.json — 330.0 B — 45e120a4eda2c20c5d7f2ea9354e63536bf35e27aa573fb7cdf78017b378770d
  • tokenizer_config.json — 12.2 KiB — 4942d005604266809309cabc9f4e9cb89ce855d59b14681fdc0e1cc62ea26c4c
  • vocab.json — 2.6 MiB — ca10d7e9fb3ed18575dd1e277a2579c16d108e32f27439684afa0e10b1440910

Review the upstream model card and license before use or redistribution. Speech systems can mis-transcribe, synthesize misleading content, or behave differently across languages and accents.

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
32bc459

0 моделей

    Создать бенчмарк