/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Своя лицензия
Архитектура
qwen3_asr · dense
Базовая модель
Qwen3-ASR-0.6B
Опубликована
22 июн 2026

qwen3-asr-0.6b-vi-money-slang-vieneu-prod3248-kvariants

Распознавание речиАудио → текст3 профессии

Экспериментальная модель на базе Qwen3-ASR-0.6B для транскрибации вьетнамской речи о ценах и денежных суммах с разговорными k-сокращениями.

30скачиваний за 30 дней0лайковвеса обновлены22 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

Это экспериментальная дообученная модель Qwen3-ASR-0.6B для распознавания вьетнамской речи с ценами на продукты и разговорными обозначениями денежных сумм. Разработчик адаптировал её на синтетическом аудио, созданном VieNeu TTS, и примерах денежных сокращений от 1k до 999k; архитектура — Qwen3-ASR плотного типа, веса сохранены в safetensors.

Модель предназначена для транскрибации вьетнамских высказываний о ценах и денежных суммах, включая варианты записи с суффиксом k. На тестовом наборе kvariants1184 указаны WER 18,28%, CER 6,51% и точность распознавания сумм 90,32%; проверка на VIVOS ещё не завершена. Перед применением на реальных записях разработчик рекомендует провести валидацию. Лицензия указана как other, поэтому условия её использования следует уточнить у автора.

Сценарии применения

  • транскрибация вьетнамских разговоров о ценах на продукты
  • распознавание произнесённых денежных сумм с сокращением k
  • извлечение сумм из вьетнамских голосовых сообщений о покупках

Ограничения

Адаптация обучена на синтетическом аудио, поэтому качество на реальных пользовательских записях требует проверки. Регрессионная проверка на VIVOS не завершена.

Для каких профессий подходит3

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

Qwen3-ASR 0.6B Vietnamese Money Slang VieNeu Prod3248 K-Variants

Private research checkpoint adapted for Vietnamese food-price and money-slang ASR.

Training started from runs/qwen3-asr-0.6b-vi-money-slang-vieneu-prod2064, then continued with 999 train examples covering every integer shorthand from 1k through 999k, plus held-out k-variant rows. Audio was generated with VieNeu TTS on CUDA.

Evaluation

Evaluation setModelWER normCER normMoney accuracy
kvariants1184 testQwen/Qwen3-ASR-0.6B66.02%60.00%7.53%
kvariants1184 testprevious prod206433.98%22.74%58.06%
kvariants1184 testthis checkpoint18.28%6.51%90.32%
prod2064 testprevious prod20649.79%6.54%87.50%
prod2064 testthis checkpoint7.72%5.65%88.13%

VIVOS regression is pending because no local VIVOS audio/transcripts were mounted on this machine.

Intended Use

This is a private adaptation experiment for recognizing Vietnamese spoken food-price and money slang. It should be validated on real user recordings before production use.

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
f9af3be

0 моделей