/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
4,1 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3_asr · dense
Базовая модель
Confucius4-R2T2
Библиотека
mlx
Опубликована
22 сен 2026

Confucius4-R2T2-bf16

Распознавание речиАудио → текст

MLX-версия дообученной NetEase Youdao модели Qwen3-ASR-1.7B для потокового распознавания речи на китайском и английском языках.

101скачиваний за 30 дней0лайковвеса обновлены22 сен 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

Confucius4-R2T2-bf16 — версия модели потокового распознавания речи NetEase Youdao, преобразованная в формат MLX для запуска на устройствах Apple. Это дообученная модель Qwen3-ASR-1.7B с архитектурой Qwen3 ASR; конвертация в MLX не меняет архитектуру и не использует квантизацию. Репозиторий содержит веса safetensors в формате bf16 размером 4,08 ГБ.

Модель предназначена для потоковой транскрипции речи с низкой задержкой и выдачей устойчивого префикса распознанного текста. Она рассчитана на китайский и английский языки. Потоковый режим использует протокол R2T2 с обработкой аудио блоками по 160 мс и фиксацией стабильной части транскрипта; для этого требуется соответствующий цикл R2T2. Модель доступна по лицензии other, условия которой следует уточнять в карточке репозитория.

Сценарии применения

  • потоковая транскрипция речи с низкой задержкой
  • распознавание китайской речи в аудиопотоке
  • распознавание английской речи в аудиопотоке
  • получение транскрипта с фиксацией устойчивого префикса

Ограничения

Для потокового режима требуется цикл R2T2 с обработкой 160-миллисекундных блоков и передачей ранее зафиксированного текста в качестве подсказки. Формат MLX предназначен для экосистемы Apple; лицензия указана как other, поэтому её конкретные условия нужно проверить в карточке репозитория.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Confucius4-R2T2 — MLX, bf16

netease-youdao/Confucius4-R2T2 — NetEase Youdao's low-latency, append-only streaming ASR fine-tune of Qwen3-ASR-1.7B — converted to MLX: no quantisation — the reference tier (4.08 GB).

Converted with the mlx_audio.convert CLI (xocialize/mlx-audio fork @ 1792021, mlx 0.32.2), on the GPU stream of an Apple M5 Max — MLX quantisation is device-dependent, so the device is recorded:

python -m mlx_audio.convert --hf-path netease-youdao/Confucius4-R2T2 \
    --mlx-path Confucius4-R2T2-bf16 --model-domain stt 

The architecture is qwen3_asr, unchanged from Qwen/Qwen3-ASR-1.7B, so the weights load through the existing Qwen3-ASR paths of mlx-audio (Python) and mlx-audio-swift, and through qwen3-asr-mlx-swift, whose R2T2 loop and MLXEngine stt package (mlx-r2t2-stt-swift) are what this repo exists for.

Use

from mlx_audio.stt.utils import load_model, load_audio
model = load_model("mlx-community/Confucius4-R2T2-bf16")
print(model.generate(load_audio("audio.wav"), language="English").text)

Streaming (the stable-prefix protocol the model was trained for) needs the R2T2 loop: 160 ms chunks, re-feed the audio window with the committed text as the prompt, cut the output at |, roll back one token, commit the rest. See the Swift package above or netease-youdao/Confucius4-R2T2.

Licence

The weights are governed by the NetEase Youdao Model Use License Agreement (LICENSE; the Chinese text in MODEL_LICENSE_zh prevails). It is royalty-free, including commercial use, but requires a separate licence from NetEase Youdao above 100 million monthly active users or RMB 1 billion annual revenue (§2.2), forbids using the model to improve other commercial AI models (§3.4 c) and the high-risk uses it lists (§4.2), and binds downstream recipients to the same terms (§3.4 a). Read it before use.

Any modifications made to the original model in this Derivative Work are not endorsed, warranted, or guaranteed by the original right-holder of the original model, and the original right-holder disclaims all liability related to this Derivative Work.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
Qwen3ASRForConditionalGeneration
Ревизия весов
747f5fc

0 моделей