Характеристики

Контекст: 131 072 токена
Лицензия: Apache 2.0
Архитектура: qwen3_asr · dense
Базовая модель: Qwen3-ASR-1.7B-hf
Библиотека: transformers
Опубликована: 16 сен 2026

Ссылки

cantocaptions-cantonese-asr

Распознавание речиАудио → текст4 профессии

Дообученная на CantoCaptions модель Qwen3-ASR для транскрибации кантонской речи в письменный кантонский язык по стандартам этого датасета.

1 765скачиваний за 30 дней0лайковвеса обновлены20 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

CantoCaptions Cantonese ASR — модель распознавания речи, созданная дообучением Qwen3-ASR на подмножестве датасета CantoCaptions. Она предназначена для транскрибации кантонской речи в письменный кантонский язык с оформлением по стандартам CantoCaptions, которые учитывают принятые варианты написания из словаря words.hk. Частицы в конце предложения, например 啦, 喇 и 嗱, записываются раздельно с учётом тона.

Модель построена на Qwen3-ASR-1.7B и обучалась с LoRA ранга 128 в течение одной эпохи примерно на 75 часах обучающего аудио. В README указаны ещё 4 часа dev- и 4 часа тестового аудио из того же датасета. Разработчик характеризует её как раннюю версию, которая может обновляться. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

транскрибация разговорной речи на кантонском языке
создание субтитров для кантонских аудио- и видеозаписей
распознавание кантонской речи с записью частиц в конце предложений по тону

Ограничения

Разработчик называет модель ранней версией и допускает дальнейшие обновления. Обучение и оценка описаны на материалах одного датасета, поэтому качество на других источниках аудио не установлено.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CantoCaptions Cantonese ASR

A fine-tuning of Qwen3-ASR on a subset of the CantoCaptions dataset

Details

This model is designed for high-quality written Cantonese transcription using the CantoCaptions standards, which mostly follow acceptable usages and variants documented in the words.hk dictionary. Sentence final particles (SFPs) such as 啦 laa1 / 喇 laa3 / 嗱 laa4 are separated out by tone as described on the CantoCaptions website.

The current model was trained using LoRa rank=128 and trained over a single epoch on ~75h of training audio, with an additional 4h dev and 4h test audio derived from the same dataset. At the time of writing, the model is in an early stage of development and may be updated.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen3ASRForConditionalGeneration
Ревизия весов: d9e2680