Характеристики

Лицензия: Apache 2.0
Базовая модель: Qwen3-ASR-1.7B-JA-Anime-Galgame-hf
Опубликована: 3 июл 2026

Ссылки

qwen3-asr-1.7b-ja-anime-GGUF

Распознавание речиАудио → текст3 профессии

Qwen3-ASR-1.7B-JA-Anime-Galgame-GGUF — это квантованная версия модели автоматического распознавания речи Qwen3-ASR-1.7B, адаптированная upstream-разработчиком jaykwok для японской аниме- и галгейм-речи.

2 074скачиваний за 30 дней4лайкавеса обновлены2 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Репозиторий cstr/qwen3-asr-1.7b-ja-anime-GGUF содержит только конвертацию весов в формат GGUF и их квантование; дополнительное обучение, дообучение, объединение или дистилляция не выполнялись. Модель предназначена для транскрибации аудио и рассчитана на использование с CrispASR и backend Qwen3.

Архитектура включает 24-слойный Whisper-подобный аудиоэнкодер с размерностью 1024 и 16 головами внимания, двухслойный MLP-проектор 1024 → GELU → 2048 и 28-слойный декодер Qwen3 с размерностью 2048, 16 Q-головами и 8 KV-головами, SwiGLU и словарём из 151 936 GPT-2 BPE-токенов. Модель поддерживает более 30 языков, включая японский, английский и китайский, с улучшенной работой на японской речи из аниме и игр. Размер доступных файлов составляет около 1,3 ГБ для Q4_K и 2,5 ГБ для Q8_0; Q4_K рекомендован для большинства сценариев, а Q8_0 обеспечивает более высокое качество ценой большего потребления памяти.

К сильным сторонам относятся специализация на японской аниме- и игровой речи, многоязычность и возможность локального запуска в компактном GGUF-формате. К ограничениям относятся компромисс между качеством и требованиями к памяти при квантовании, а также отсутствие в README данных о размере контекста, точных метриках качества, устойчивости к шуму и характеристиках других типов аудио. Модель распространяется по лицензии Apache 2.0 согласно лицензии базовой модели.

Для каких профессий подходит3

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 923модели I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-ASR-1.7B-JA-Anime-Galgame — GGUF

GGUF quantizations of jaykwok/Qwen3-ASR-1.7B-JA-Anime-Galgame-hf for use with CrispASR.

This is a Japanese anime/galgame fine-tune of Qwen3-ASR-1.7B. It supports 30+ languages with enhanced performance on Japanese anime/game speech.

Files

File	Quant	Size	Notes
`qwen3-asr-1.7b-ja-anime-q4_k.gguf`	Q4_K	~1.3 GB	Recommended for most use cases
`qwen3-asr-1.7b-ja-anime-q8_0.gguf`	Q8_0	~2.5 GB	Higher quality, more memory

Usage with CrispASR

# Auto-download and transcribe
crispasr -m qwen3-ja-anime -f audio.wav

# Or specify the model path directly
crispasr -m qwen3-asr-1.7b-ja-anime-q4_k.gguf -f audio.wav --backend qwen3

Conversion

Converted from safetensors using:

python models/convert-qwen3-asr-to-gguf.py \
    --input jaykwok/Qwen3-ASR-1.7B-JA-Anime-Galgame-hf \
    --output qwen3-asr-1.7b-ja-anime-f16.gguf
crispasr-quantize qwen3-asr-1.7b-ja-anime-f16.gguf qwen3-asr-1.7b-ja-anime-q4_k.gguf q4_k

Architecture

Same as Qwen3-ASR-1.7B:

Audio encoder: 24-layer Whisper-style encoder (d=1024, 16 heads)
Projector: 2-layer MLP (1024 → GELU → 2048)
LLM decoder: 28-layer Qwen3 (d=2048, 16Q/8KV heads, SwiGLU)
Vocab: 151,936 tokens (GPT-2 BPE)

License

Apache 2.0 (following the base model license)

Provenance and EU AI Act Art. 53 note

Upstream model: jaykwok/Qwen3-ASR-1.7B-JA-Anime-Galgame-hf — published by jaykwok.
Upstream licence: apache-2.0. This repository redistributes under the same terms; it grants no rights the upstream licence does not.
What was done here: format conversion and/or quantisation only (GGUF). No training, no fine-tuning, no merging, no distillation, no change to architecture, vocabulary or capability. Only the numeric representation of the upstream weights differs.
Training data: documented — where it is documented at all — by the upstream provider; see the upstream model card. No training data was used, added or selected by this repository.
Provider status: under Regulation (EU) 2024/1689 the upstream authors remain the provider of this model. Converting the serialisation format does not make this repository the provider of a new general-purpose AI model, and no such claim is made. Questions about training content, copyright policy or model capability belong upstream.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов: 1906c1f