/ Модель

Характеристики

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

tiro-qwen3-asr-1.7b-v2

Распознавание речиАудио → текст5 профессий

Англоязычная дообученная модель Qwen3-ASR-1.7B для транскрибации речи, в том числе дальней, шумной и записанной в реверберационных помещениях.

215скачиваний за 30 дней0лайковвеса обновлены25 сен 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 v2 — англоязычная модель распознавания речи, созданная как дообучение Qwen3-ASR-1.7B компанией или автором Tiro. Она предназначена для транскрибации аудио, особенно речи, записанной на расстоянии от микрофона, в реверберационных помещениях и при фоновом шуме. Модель сохраняет общие возможности базовой ASR-системы; в README приведены сравнительные результаты на FFASR, VOiCES, CHiME-4 и открытых тестовых наборах распознавания речи.

Модель использует архитектуру Qwen3-ASR плотного типа с тем же числом параметров, что и база Qwen3-ASR-1.7B, и опубликована в формате safetensors с точностью bf16. Метаданные и карточка указывают английский язык. Лицензия — Apache-2.0. README сообщает о лучшем среднем результате на FFASR, но на ближней речи базовая модель немного лучше; результаты отдельных тестов не гарантируют такое же качество на других аудиозаписях.

Сценарии применения

  • транскрибация речи с микрофона на расстоянии
  • распознавание речи в шумных помещениях
  • расшифровка записей с реверберацией
  • транскрибация англоязычных аудиозаписей
  • распознавание речи в записях с близкого микрофона

Ограничения

Модель ориентирована на английскую речь. В тесте ближней речи базовая модель показала немного лучший результат; приведённые в карточке бенчмарки не гарантируют качество на других условиях записи.

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

tiro-qwen3-asr-1.7b-v2

Tiro is a far-field fine-tune of Qwen3-ASR-1.7B, with better performance on reverberant and noisy speech, scaling as conditions get harder, while maintaining general ASR capabilities. See benchmarks below for more details.

Currently #1 on the FFASR leaderboard.

English only, bf16. Same architecture and parameter count as the base.

Benchmarks

Lower is better. ✅ marks the better result.

FFASR Leaderboard

ConditionBase (WER)Tiro (WER)
Average13.4112.01 ✅
Near field speech3.76 ✅3.80
High SNR6.746.22 ✅
Mid SNR13.8912.00 ✅
Low SNR29.2626.02 ✅

Other benchmarks

BenchmarkConditionBase (WER)Tiro (WER)
VOiCESreal rooms, replayed speech8.888.30 ✅
CHiME-4real noisy environments4.714.19 ✅
CHiME-4simulated arm7.006.63 ✅
VITW-Bench8 perturbations, English7.096.40 ✅
NOIZEUSadditive noise, 0-15 dB9.237.85 ✅
Treble10-Speechreverberation only3.293.19 ✅
AMIdistant mic (SDM)19.7319.33 ✅
AMIheadset control (IHM)8.24 ✅8.28
Open ASR Leaderboardmean of 8 public English splits4.3114.310
BenchmarkConditionBase (WER)Tiro (WER)
VOiCESnear microphone3.092.85 ✅
VOiCESfar microphone14.6813.76 ✅
VOiCESno distractor3.273.07 ✅
VOiCESmusic8.067.08 ✅
VOiCEStelevision8.888.29 ✅
VOiCESbabble15.3314.77 ✅
CHiME-4 realbus5.985.42 ✅
CHiME-4 realcafe4.844.09 ✅
CHiME-4 realpedestrian4.183.89 ✅
CHiME-4 realstreet3.823.35 ✅
NOIZEUS0 dB SNR23.2420.76 ✅
NOIZEUS5 dB SNR8.426.51 ✅
NOIZEUS10 dB SNR3.202.74 ✅
NOIZEUS15 dB SNR2.071.39 ✅
VITW-Benchreal recordings5.304.84 ✅
VITW-Benchsimulated7.807.03 ✅

Base column is the published Qwen3-ASR-1.7B result on the 8 public English splits. The leaderboard's headline average also includes two private sets that are not publicly runnable, so the figure shown there is higher than this one.

SplitBase (WER)Tiro (WER)
LibriSpeech test-clean1.261.25 ✅
LibriSpeech test-other2.94 ✅2.95
VoxPopuli2.852.62 ✅
AMI8.31 ✅8.45
GigaSpeech7.22 ✅7.23
Earnings225.845.70 ✅
SPGISpeech2.57 ✅2.77
Monsoon3.50 ✅3.51
mean4.3114.310

Usage

Identical to the base model.

from transformers import AutoProcessor, Qwen3ASRForConditionalGeneration

model_id = "rohansheth/tiro-qwen3-asr-1.7b-v2"
processor = AutoProcessor.from_pretrained(model_id)
model = Qwen3ASRForConditionalGeneration.from_pretrained(model_id, device_map="auto")

Citations

Trained by KL distillation from the frozen base model on noise-free audio, following:

@inproceedings{li2017large,
  title     = {Large-Scale Domain Adaptation via Teacher-Student Learning},
  author    = {Li, Jinyu and Seltzer, Michael L. and Wang, Xi and Zhao, Rui and Gong, Yifan},
  booktitle = {Interspeech},
  year      = {2017},
  eprint    = {1708.05466}
}

@inproceedings{mosner2019improving,
  title     = {Improving Noise Robustness of Automatic Speech Recognition via
               Parallel Data and Teacher-Student Learning},
  author    = {Mo{\v{s}}ner, Ladislav and Wu, Minhua and Raju, Anirudh and
               Parthasarathi, Sree Hari Krishnan and Kumatani, Kenichi and
               Sundaram, Shiva and Maas, Roland and Hoffmeister, Bj{\"o}rn},
  booktitle = {ICASSP},
  year      = {2019},
  eprint    = {1901.02348}
}

Base model:

@misc{qwen3asr,
  title  = {Qwen3-ASR},
  author = {Qwen Team},
  year   = {2026},
  url    = {https://huggingface.co/Qwen/Qwen3-ASR-1.7B-hf}
}

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
5dd5f33

0 моделей