/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Архитектура
qwen3_asr · dense
Базовая модель
Qwen3-ASR-1.7B
Опубликована
24 авг 2026

tiro-qwen3-asr-1.7b-ffasr-v1

Распознавание речиАудио → текст4 профессии

Дообученная на дальнепольных аудиозаписях модель Qwen3-ASR для транскрибации речи в шумных и акустически сложных помещениях.

35скачиваний за 30 дней0лайковвеса обновлены24 авг 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

Tiro Qwen3-ASR 1.7B (FFASR) — дообученная модель распознавания речи, подготовленная для дальнепольной записи и представленная на Far-Field ASR Leaderboard. Она основана на Qwen/Qwen3-ASR-1.7B-hf; при обучении обновлялись только аудиоэнкодер и мультимодальный проектор, а аудиоданные формировались с применением акустических импульсных характеристик помещений и шумов. Модель предназначена для транскрибации речи, записанной на расстоянии или в акустически сложных помещениях.

Модель использует архитектуру Qwen3-ASR с плотной конфигурацией и принимает аудио, выдавая текстовую транскрипцию. В карточке указан английский язык. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Размер модели и длина контекста в доступных данных не указаны.

Сценарии применения

  • транскрибация речи, записанной на расстоянии от микрофона
  • распознавание речи в помещениях с эхом и реверберацией
  • расшифровка английских аудиозаписей с фоновым шумом

Ограничения

Карточка описывает обучение на английской речи LibriTTS; качество для других языков и акустических условий не подтверждено.

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

Tiro Qwen3-ASR 1.7B (FFASR)

Far-field fine-tune of Qwen/Qwen3-ASR-1.7B-hf, submitted to the Far-Field ASR Leaderboard.

Training

Encoder (audio-tower) and projector only fine tune of Qwen3-ASR-1.7B-hf. Training dataset involves convolution of anechoic sounds from musan-noise and speech from libritts with RIRs from AcousticRooms.

base modelQwen/Qwen3-ASR-1.7B-hf
trainedaudio_tower + multi_modal_projector only
speechLibriTTS train.clean.360, ≥2.0s
roomsAcousticRooms — 260 rooms, 132k RIRs, subsampled from Meta's AcousticRooms
noiseMUSAN (bilguun/musan-noise)
  • Liu, Xiulong, et al. “Hearing Anywhere in Any Environment.” Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2025.

  • Mullins, Sarabeth S., Georg Götz, Eric Bezzam, Steven Zheng, and Daniel Gert Nielsen. “Treble10: A High-Quality Dataset for Far-Field Speech Recognition, Dereverberation, and Enhancement.” arXiv preprint arXiv:2510.23141, 2025. Paper

  • Snyder, David, Guoguo Chen, and Daniel Povey. “MUSAN: A Music, Speech, and Noise Corpus.” arXiv preprint arXiv:1510.08484, 2015. Paper

  • Zen, Heiga, et al. “LibriTTS: A Corpus Derived from LibriSpeech for Text-to-Speech.” Proceedings of Interspeech, 2019, pp. 1526–1530. Paper

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ASRForConditionalGeneration
Ревизия весов
92a9675

0 моделей