/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Архитектура
qwen3_asr · dense
Базовая модель
Qwen3-ASR-1.7B
Библиотека
qwen-asr
Опубликована
13 июн 2026

QwenCleo-ASR

Распознавание речиАудио → текст4 профессии

Модель распознаёт египетскую арабскую речь и аудио с переключением между арабским и английским, сохраняя английские термины латиницей.

9 155скачиваний за 30 дней12лайковвеса обновлены17 июн 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

QwenCleo-ASR — модель распознавания речи, разработанная на базе Qwen3-ASR-1.7B и дообученная для египетского арабского диалекта и переключения между арабским и английским языками. Она принимает аудио и формирует текстовую транскрипцию; в смешанной речи старается сохранять английские технические термины латиницей. Модель поддерживает потоковую обработку токен за токеном через vLLM, а для файлов доступна оконная транскрипция.

Модель предназначена для расшифровки египетской разговорной речи, подкастов и аудио с арабско-английским переключением языков. В карточке приведены результаты сравнения на тестовом наборе из 3 699 высказываний, однако заявленное преимущество относится к этому набору и нормализации и не гарантирует качество на других данных. На других арабских диалектах и шумном аудио с большого расстояния качество может снижаться; модель не оптимизирована для речи только на английском. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация египетских подкастов
  • распознавание разговорной речи на египетском арабском
  • расшифровка аудио с переключением арабского и английского
  • потоковая транскрибация речи в реальном времени
  • создание субтитров для египетской арабской речи

Ограничения

Качество может снижаться на других арабских диалектах и шумном аудио с большого расстояния; модель не оптимизирована для речи только на английском.

Для каких профессий подходит4

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


🚀 Quick start

pip install qwencleo-asr
from qwencleo_asr import QwenCleoASR

asr = QwenCleoASR()                       # loads mohammedaly22/QwenCleo-ASR
print(asr.transcribe("clip.wav").text)

Or with the upstream qwen-asr API directly:

import torch
from qwen_asr import Qwen3ASRModel

model = Qwen3ASRModel.from_pretrained(
    "mohammedaly22/QwenCleo-ASR", dtype=torch.bfloat16, device_map="cuda:0",
)
result = model.transcribe(audio="clip.wav", language="Arabic")
print(result[0].text)

⚡ Streaming & serving (vLLM)

QwenCleo inherits Qwen3-ASR's true token-by-token streaming via vLLM (needs an Ampere-or-newer GPU: L4 / A100 / H100).

pip install qwencleo-asr
qwencleo install-vllm     # vLLM nightly (cu129) — only build with Qwen3-ASR support
qwencleo serve            # OpenAI-compatible server on :8000
from qwencleo_asr import QwenCleoASR

asr = QwenCleoASR()
for delta in asr.stream("clip.wav", port=8000):   # real streaming via vLLM
    print(delta, end="", flush=True)

OpenAI-compatible transcription, a live mic web demo (qwen-asr-demo-streaming), offline VLLMOffline, and cURL examples are in the vLLM serving guide.

For captioning long files without a server, stream_file(...) does chunked (windowed) transcription — convenient, but latency is per-window, not per-token.


RankModelParamsWER allCER allWER · ARCER · ARWER · CSCER · CS
🥇QwenCleo-ASR1.7B19.8510.5219.0810.3020.7510.81
🥈Arabic-Whisper-CodeSwitching1.55B37.9817.8638.4818.7136.9216.22
🥉NVIDIA Nemotron-3.50.6B38.0419.7236.2316.4341.4425.66
4Qwen3-ASR-1.7B (base)1.7B41.5120.8640.5918.5243.2025.04
5Whisper Large-v3 Turbo (FT)0.81B50.8322.8648.3718.4255.0837.84
6Cohere Transcribe 03-20262.0B53.2039.1247.9533.4563.7649.66
7MasriSwitch-Gemma3n8B57.3030.1960.3832.9151.3225.13
8Whisper Large-v31.54B63.9439.7649.2522.7659.3231.52
9Whisper Large-v21.54B72.3448.7360.7533.2166.8540.75
10Whisper Large-v3 Turbo0.81B73.8346.8659.3729.4266.0837.84
11Whisper Medium0.76B80.4653.1974.7741.7674.1544.90
12Whisper Small0.24B89.9960.3477.4242.5387.0955.22
13Whisper Tiny0.04B124.6889.42116.0277.74110.6774.57

🗣️ Sample outputs

Real transcriptions from the test set, scored after Egyptian-aware normalization. Examples span short, medium, and long clips in both Egyptian Arabic and code-switching. These are picked to be honest — on some clips other models also do well; QwenCleo's edge is consistency, dialect fidelity, and keeping English terms in Latin script.

✅ = matches ground truth · ⚠️ = minor slips · ❌ = clear errors. Bold marks the wrong spans.

🔀 Code-switching

Short

✅ Ground truth ااه بحس ستايله حلو وشكله حلو كاريزما وهو بيلعب

ModelOutput
🥇 QwenCleoبحس style ه حلو وشكله حلو كاريزما وهو بيلعب ⚠️
Qwen3-ASR (base)أه بحس طايله حلو وشكله حلو وكرزمه وهو يلعب ❌
Cohereاااااااا بحس ستايله حلو وشكله حلو وكاريزما وهو بيلعب ✅
Nemotronآه بحس ستايله حلو وشكله حلو كاريزما هو بيلعب ✅
Arabic-Whisper-CSبحس style و حلو وشكل وحلو و charisma وهو بيلعب ⚠️
MasriSwitchبحسستايله حلو و شكله حلو و كاريزما وهو بيعلق ❌

Medium

✅ Ground truth — ده حصل ازاي قرار اصلا انك تعمل قناة YouTube

ModelOutput
🥇 QwenCleoده حصل ازاي قرار اصلا انك تعمل قناة YouTube ✅
Qwen3-ASR (base)ده حصل إزاي قرار أصلا إنك تعمل قناة يوتيوب ⚠️
Cohereده حصل ازاي قرار اصلا انك تعمل قناه يوتيوب ⚠️
Nemotronده حصل إزاي قرار أصلاً إنك تعمل قناة يوتيوب ⚠️
Arabic-Whisper-CSدا حصل ازاي قرار اصلا انك تعمل قناة يوتيوب ⚠️
MasriSwitchده حصل ازاي قرار أصلا إنك تعمل قناة YouTube ✅

✅ Ground truth — خليني اوضح بس هدفها ان الطالب يجي هو already

ModelOutput
🥇 QwenCleoخليني اوضح بس هدفها ان الطالب يجي هو already ✅
Qwen3-ASR (base)خلينا أوضح بس هدفه إن الطالب يجي هو أرريدي ❌
Cohereخليني اوضح بس هدفها ان الطالب يجي هو اوردي ❌
Nemotronخلينا وضح بس هدفها إن الطالب يجي هو أوردي ❌
Arabic-Whisper-CSخليني اوضح بس هدفها ان الطالب ييجي هو already ✅
MasriSwitchخليني أوضح بس الأهداف إن الطالب بيجي هو already ⚠️

Long

✅ Ground truth — ما هو الفكرة جاية فين النهارده average العربية اللي ممكن تجيبها من أوروبا ما بين 23 ل 28000 dollars

ModelOutput
🥇 QwenCleoما هو الفكره جايه فين النهارده average العربيه اللي ممكن تجيبها من اوروبا ما بين 23 ل 28000 dollars ✅
Qwen3-ASR (base)ما هو الفكرة جاية فين النهاردة أفرج العربية اللي ممكن تجابها من أوروبا ما بين 23 ل 28000 دولار ⚠️
Cohereما هو الفكره جايه فين النهارده افريقيا العربيه اللي ممكن تجيبها من اوروبا ما بين 23 ل 28000 دولار ❌
Nemotronما هو الفكرة جاية فين النهار ده أفريد العربية اللي ممكن تجيبها من أوروبا ما بين 23 ل 28000 دولار ثلاثة ❌
Arabic-Whisper-CSما هو الفكرة جاية فين النهار دا average العربية اللي ممكن تجيبها من أوروبا ما بين 23 ل 28 ألف دولار تقريبا ⚠️
MasriSwitchما هو الفكرة جاية فين النهاردة average العربية اللي ممكن تجيبها من أوروبا ما بين 23 لـ28 ألف دولار تقريبًا ⚠️

✅ Ground truth — فبتديك كل الsoft skills بشكل indirect حرفيا بتديهالك بالمعلقه ليه بتتعلم تشتغل على كل الحاجات بتاعه Microsoft Excel PowerPoint Word whatever بعدين كمان بتتعلم ان انت تتكلم مع الناس public speaking

ModelOutput
🥇 QwenCleoفبتديك كل الsoft skills بشكل indirect حرفيا بتديهالك بالمعلقه ليه بتتعلم تشتغل على كل الحاجات بتاعه Microsoft Excel, PowerPoint, Word و whatever بعدين كمان بتتعلم ان انت تتكلم مع الناس public speaking ✅
Arabic-Whisper-CSفبتديك كل ال soft skills بشكل indirect حرفيا بتديهالك بالمعلقة ليه بتتعلم تشتغل على كل الحاجات بتاعة Microsoft, Excel, PowerPoint, Word whatever بعدين كمان بتتعلم أن أنت ⚠️
MasriSwitchفبتديك كل ال soft skills بشكل indirect حرفيا بتديهالك بالمعلاة ليه بتتعلم تشتغل على كل الحاجات بتاعة Microsoft Excel, PowerPoint, Word whatever بعدين كمان بتتعلم أن أنت ⚠️

🇪🇬 Egyptian Arabic

Pure-Arabic clips (no English). After normalization these reflect genuine word-level accuracy, not spelling/number-format differences.

Short

✅ Ground truth — الشهرة مرت بمرحلتين معاك

ModelOutput
🥇 QwenCleoالشهرة مرت بمرحلتين معاك ✅
Qwen3-ASR (base)الشهرة مرت بمرحلتين معك ⚠️
Cohereالشهره مرت بمرحلتين معاك ✅
Nemotronالشهرة مرت بمرحلتين معك ⚠️
Arabic-Whisper-CSالشهرة مرت بمرحلتين معاك ✅
MasriSwitchالشهرة مرت بمرحلتين معاك ✅

Medium

✅ Ground truth — لا ركز عشان انت دلوقتي هتتحاسب على الكلام ده

ModelOutput
🥇 QwenCleoلا ركز عشان انت دلوقتي هتتحاسب على الكلام ده ✅
Qwen3-ASR (base)لا ركز عشان أنت دلوقتي هتحسب على كلام ده ⚠️
Cohereلا ركز عشان انت دلوقتي هتتحاسب عالكلام ده ✅
Nemotronلأ ركز على شان أنت دي الوقت هتتحسب على الكلام ده ❌
Arabic-Whisper-CSلأ ركز عشان انت دلوقت هتتحسب على الكلام ده ⚠️
MasriSwitchلأ ركز عشان انت دلوقتي هتتحاسب على الكلام ده ✅

✅ Ground truth — بصراحة كانت من أسعد أيام حياتي لما شفت اللي هما فرحانين

ModelOutput
🥇 QwenCleoبصراحة كانت من أسعد أيام حياتي لما شفت اللي هما فرحانين ✅
Qwen3-ASR (base)بصراحة كنت من أسعد أيام حياتي لما شوفت اللي هم فرحاني ❌
Cohereبصراحه كانت قبل اسعد قيم حياتي لما شوفت اللي هم فرحانين ❌
Nemotronبصراحة كانت من أسعد قام حاتي لما شفت اللي هم فرحين ❌
Arabic-Whisper-CSبصراحة كانت أبنة أسعد أقام حياتي لما شوفت اللي هم فرحانين ❌
MasriSwitchبصراحة كانت من أسعد أيام حياتي لما شفت اللي هم فرحانين ✅

Long

✅ Ground truth — انا النهاردة مثلا ساكن في مدينة نصر وشغلي في المعادي فانا من البيت للشغل بقطع 20 كيلو في اليوم

ModelOutput
🥇 QwenCleoانا النهارده مثلا ساكن في مدينة نصر وشغلي في المعادي فانا من البيت للشغل بقطع 20 كيلو في اليوم ✅
Qwen3-ASR (base)أنا النهاردة مثلاً ساكن في مدينة نصر وشغلي في المعادي فأنا من البيت للشغل لبقيت 20 كيلو في اليوم ⚠️
Cohereانا النهارده مثلا ساكن في مدينه مصر وشغلي في المعادي فانا من البيت للشغل بقطع 20 كيلو في اليوم ⚠️
Nemotronأنا النهار ده مثلاً ساكن في مدينة نصر وشغلي في المعادي فأنا من البيت للشغل بقطع 20 كيلو في اليوم ✅
Arabic-Whisper-CSأنا النهاردة مثلا ساكن في مدينة نصر و شغلي في المعادي فانا من البيت للشغل بقطع 20 كيلو في اليوم ✅
MasriSwitchأنا النهاردة مثلا ساكن في مدينة نصر وشغلي في المعادي فأنا من البيت للشغل بقطع 20 كيلو في اليوم ✅

✅ Ground truth — اشتغلت كان فيه معاناة في تحضير المنهج

ModelOutput
🥇 QwenCleoاشتغلت كان فيه معاناة في تحضير المنهج ✅
Qwen3-ASR (base)اشتغلت كان في معاناة في تحضير المناك ❌
Cohereاشتغلت كان في معاناه في تحضير المنعكس ❌
Nemotronآه استقالت كان في معناه في تحضير المناك ❌
Arabic-Whisper-CSاشتغلت كان في معناه في تحضير المنهج ✅
MasriSwitchإشتغلت كان في معنية في تحضير المنهج ❌

🧠 Model details

  • Base model: Qwen/Qwen3-ASR-1.7B (repo)
  • Fine-tuning data: hundreds of hours of Egyptian podcast speech (Egyptian Arabic + Arabic/English code-switching).
  • Languages: Egyptian Arabic, Modern Standard Arabic, Arabic ↔ English code-switching.
  • Recommended language hint: "Arabic" (or None to auto-detect).
  • Intended use: transcription/captioning of Egyptian Arabic and code-switched speech.
  • Limitations: tuned for Egyptian dialect; other Arabic dialects and noisy far-field audio may degrade. Not optimized for pure-English audio.

🔗 Links

📜 Citation

@misc{qwencleo_asr_2026,
  title  = {QwenCleo-ASR: The Best Open-Source Egyptian Arabic and Code-Switching Speech Recognition Model},
  author = {Mohammed Aly},
  year   = {2026},
  howpublished = {\url{https://huggingface.co/mohammedaly22/QwenCleo-ASR}},
  note   = {Fine-tuned from Qwen3-ASR-1.7B}
}

License: Apache-2.0, inheriting the Qwen3-ASR license terms.

Как запустить

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

GPU в ailist

Универсальный рантайм · qwen-asr

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ASRForConditionalGeneration
Ревизия весов
50f6b90

0 моделей