/ Модель

Характеристики

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

mlx-qwen3-asr-0.6b-4bit

Распознавание речиАудио → текст

Квантизированная модель Qwen3-ASR-0.6B для многоязычной транскрибации аудио на Apple Silicon.

140скачиваний за 30 дней0лайковвеса обновлены19 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

moona3k/mlx-qwen3-asr-0.6b-4bit — 4-битная квантизированная версия Qwen/Qwen3-ASR-0.6B от moona3k для распознавания речи на компьютерах Apple Silicon через библиотеку MLX. Модель принимает аудио и преобразует речь в текст; поддерживает английский, китайский, японский, корейский, немецкий, французский, испанский, русский, арабский и хинди. Её можно использовать для офлайн-транскрибации и получения временных отметок слов, а также через HTTP-сервер mlx-qwen3-asr.

Текстовый декодер и эмбеддинги квантизированы до 4 бит с размером группы 64, аудиоэнкодер — до 8 бит; оставшиеся плавающие тензоры хранятся в float16. В опубликованном тесте LibriSpeech test-clean WER составил 2,37%, CER — 0,71%; размер загрузки — 517 МБ. README указывает, что результаты близки к исходной версии fp16, но возможны отличия в написании имён собственных и региональных вариантах написания. Для загрузки артефакта требуется mlx-qwen3-asr версии 0.4.3 или новее. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей на русском языке
  • распознавание речи в аудиофайлах на нескольких языках
  • получение временных отметок слов в транскрипте
  • распознавание речи в локальном приложении на Apple Silicon
  • транскрибация через HTTP-сервер mlx-qwen3-asr

Ограничения

Квантизация может влиять на качество распознавания, особенно при написании имён собственных и региональных вариантах орфографии. Для загрузки этой версии требуется mlx-qwen3-asr 0.4.3 или новее.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

moona3k/mlx-qwen3-asr-0.6b-4bit

4-bit (group size 64) MLX quantization of Qwen/Qwen3-ASR-0.6B for mlx-qwen3-asr, a ground-up MLX reimplementation of Qwen3-ASR for Apple Silicon. No PyTorch, no transformers, no model conversion step on the user's side.

Usage

pip install -U mlx-qwen3-asr
mlx-qwen3-asr audio.wav --model moona3k/mlx-qwen3-asr-0.6b-4bit
import mlx_qwen3_asr as m

result = m.transcribe("audio.wav", model="moona3k/mlx-qwen3-asr-0.6b-4bit")
print(result.text)

Requires mlx-qwen3-asr >= 0.4.3. Mixed encoder/decoder widths need the per-module loader introduced in 0.4.3; older versions fail to load this artifact with a shape error. Word timestamps (--timestamps) and the HTTP server (mlx-qwen3-asr serve --model moona3k/mlx-qwen3-asr-0.6b-4bit) work unchanged.

What is quantized

  • Text decoder Linear and Embedding layers are affine-quantized to 4 bits; the audio encoder is quantized to 8 bits (group size 64 for both). The encoder carries most of the 4-bit quality loss: on 0.6B, all-4-bit scored 2.63% WER against 2.37% with an 8-bit encoder (fp16 2.33%), for 90 MB more.
  • Remaining floating tensors (scales, biases, norms, conv stem) are stored in float16, so inference runs in float16 end to end.
  • lm_head is tied to the token embedding in the source model and is not stored twice; the loader re-ties it.
  • Download size: 517M (fp16 source: 1.8 GB).

Quality

LibriSpeech test-clean, 100 speaker-balanced clips (speaker_round_robin), greedy decoding, Apple M4 Pro, MLX 0.30.6:

ModelWERCER
Qwen/Qwen3-ASR-0.6B fp162.33%0.59%
this artifact (4-bit g64)2.37%0.71%

Hypotheses: 17 of 100 hypotheses differ from fp16, mostly proper-noun spellings and British/American variants; WER is within 0.05pp of fp16.

Latency envelope from the committed quantization matrix (docs/benchmarks/2026-09-07-quant-matrix-test-clean-speaker100.md, 0.6B): 8-bit runs about 2.4x and 4-bit about 2.7x faster than fp16 on a 10 s clip. Per-sample JSON for this artifact's evaluation is committed in the mlx-qwen3-asr repository as docs/benchmarks/2026-09-19-quantized-artifacts-librispeech-test-clean-100-0.6B_4bit.json.

Reproduce

git clone https://github.com/moona3k/mlx-qwen3-asr && cd mlx-qwen3-asr && git checkout v0.4.3
python scripts/convert.py --model Qwen/Qwen3-ASR-0.6B --quantize 4 --encoder-bits 8 \
  --group-size 64 --dtype float16 --output-dir Qwen3-ASR-0.6B-4bit-g64
python scripts/eval_librispeech.py --model Qwen3-ASR-0.6B-4bit-g64 --samples 100 --sampling speaker_round_robin

License

Apache-2.0, following the source model.

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
4c59c53

0 моделей