/ Модель

Характеристики

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

qwen-asr-0.6b-he

Распознавание речиАудио → текст5 профессий

Компактная модель для потокового и офлайн-распознавания речи на иврите и английском, включая локальный запуск.

33скачиваний за 30 дней2лайкавеса обновлены14 июн 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

qwen-asr-0.6b-he — компактная модель распознавания речи на базе Qwen/Qwen3-ASR-0.6B, дообученная разработчиком flowty1 на специально собранном и размеченном корпусе иврита. Она преобразует аудио в текст и поддерживает потоковую транскрибацию с низкой задержкой, а также обработку аудиофайлов.

Модель рассчитана прежде всего на распознавание речи на иврите; также проверена работа с английским и автоматическим определением языка. Размер составляет 0,6 млрд параметров. В README заявлена работа в реальном времени на CPU, а также запуск на NVIDIA GPU через vLLM, на Apple Silicon через MLX и локально на iPhone. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

На шумных или длинных записях компактная модель может повторять фрагменты или галлюцинировать. README рекомендует жадное декодирование и настройку штрафа за повторы и максимального числа новых токенов; для языков помимо иврита и английского качество не гарантируется.

Сценарии применения

  • потоковая транскрибация речи на иврите
  • расшифровка записей на иврите
  • распознавание английской речи
  • транскрибация аудио на устройстве
  • автоматическое определение языка речи

Ограничения

На шумных или длинных аудиозаписях модель может повторять фрагменты или галлюцинировать. Поддержка языков помимо иврита и английского для этого чекпойнта не гарантируется.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

qwen-asr-0.6b-he — Real-Time Hebrew Speech Recognition

A compact (0.6B) streaming speech-to-text model fine-tuned for Hebrew, based on Qwen/Qwen3-ASR-0.6B.

It's small and fast enough to transcribe Hebrew in real time on a CPU, runs natively on Apple Silicon via MLX, and is compact enough to run fully on-device on an iPhone. It also handles English.

Highlights

  • 🎯 Hebrew-first — fine-tuned on a purpose-built, carefully curated Hebrew speech corpus collected, cleaned, and aligned specifically for this task.
  • ⚡ Real-time, low-latency streaming — transcribes as you speak.
  • 💻 Runs anywhere — CPU, NVIDIA GPU (vLLM), Apple Silicon (MLX), on-device.
  • 🌐 Hebrew + English (plus auto-detect).

Usage

The easiest path is the companion repository, which ships a one-line file transcriber and an OpenAI-compatible server (batch + realtime streaming) for both backends:

👉 GitHub: https://github.com/flowtyone/QwenASR-he

# transcribe a file (auto-selects CUDA/vLLM or Apple-Silicon/mlx-audio)
uv run python examples/simple.py recording.m4a --language he

Apple Silicon (mlx-audio)

from mlx_audio.stt import load

model = load("flowty1/qwen-asr-0.6b-he")
out = model.generate(audio_16k_mono_float32, language="Hebrew")
print(out.text)

NVIDIA GPU (vLLM) / transformers

This is a Qwen3ASRForConditionalGeneration model and uses the Qwen3-ASR runtime. See the companion repo above or the upstream Qwen3-ASR project for the vLLM/transformers inference toolkit.

Output stability & tuning

The model is accurate on real-world Hebrew, but — like most compact ASR models — it can occasionally repeat or hallucinate on noisy or long audio. Decoding defaults to greedy (temperature = 0), which is the most reliable baseline. If you see looping, the most effective levers are a repetition penalty (~1.1–1.3) and capping max new tokens. The companion repo exposes these as environment variables and applies an additional deterministic repetition-cleanup pass.

Languages

Validated for Hebrew and English (plus auto-detect). Other languages from the base model are not guaranteed on this checkpoint.

License & attribution

Fine-tune of Qwen/Qwen3-ASR-0.6B; released under Apache-2.0, following the base model's terms. Please also refer to the base model card for its conditions.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
Qwen3ASRForConditionalGeneration
Ревизия весов
d47c0d4

0 моделей