/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Архитектура
qwen3_asr · dense
Базовая модель
Qwen3-ASR-1.7B
Библиотека
transformers
Опубликована
6 апр 2026

qwen3-asr-arabic-ksa

Распознавание речиАудио → текст5 профессий

Дообученная Qwen3-ASR-1.7B для транскрибации речи на саудовском диалекте арабского языка.

206скачиваний за 30 дней2лайкавеса обновлены6 апр 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

vadimbelsky выпустил дообученную версию Qwen3-ASR-1.7B для распознавания речи на саудовском диалекте арабского языка (KSA). Модель основана на последовательном дообучении базовой Qwen3-ASR-1.7B через версию для диалекта ОАЭ и предназначена для транскрибации аудио с речью из Саудовской Аравии.

По оценке на 849 примерах валидационной выборки модель показала WER 11,49% и CER 5,78%, улучшив результаты базовой версии на этом наборе. Она лучше обрабатывает местные выражения и лексику, придерживается неформального написания и реже добавляет лишнюю пунктуацию. Модель принимает аудио и выдаёт текст; репозиторий использует архитектуру Qwen3-ASR и формат safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация разговорной речи из Саудовской Аравии
  • расшифровка коротких аудиозаписей на саудовском арабском диалекте
  • подготовка текстовых субтитров для саудовской речи
  • распознавание саудовской лексики и разговорных выражений

Ограничения

Модель оптимизирована для саудовского диалекта и может хуже работать с другими арабскими диалектами; обучение проводилось на синтетической речи. В коротких высказываниях возможны разные варианты записи чисел, а обучающие данные в основном состояли из фрагментов короче 20 секунд.

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

Qwen3-ASR Arabic — KSA Saudi Dialect

Fine-tuned Qwen/Qwen3-ASR-1.7B for KSA Saudi Arabic dialect speech recognition.

Sequential fine-tuning: Base Qwen3-ASR -> UAE model -> this KSA model.

Results

MetricZero-shot (base)Fine-tunedImprovement
WER14.41%11.49%-20%
CER6.57%5.78%-12%

Evaluated on 849 KSA Arabic validation samples.

What improved

  • Better handling of KSA dialect expressions and vocabulary
  • Removes spurious punctuation that the base model adds
  • Matches informal Saudi dialect spelling conventions

Training Details

  • Base model: vadimbelsky/qwen3-asr-arabic-uae (itself fine-tuned from Qwen3-ASR-1.7B on UAE data)
  • Training data: ~7,350 KSA Saudi Arabic dialect samples from vadimbelsky/KSA_Arabic_English_Dataset_13k
  • Strategy: Audio encoder frozen, only LLM decoder fine-tuned (84.4% of params)
  • Precision: bfloat16
  • Epochs: 3
  • Effective batch size: 32 (batch 2 x gradient accumulation 16)
  • Learning rate: 1e-5 with linear schedule (lower than UAE stage)
  • Gradient checkpointing: enabled
  • Text normalization: Diacritics removed, alef/teh marbuta normalized, punctuation stripped

Usage

from qwen_asr import Qwen3ASRModel

model = Qwen3ASRModel.from_pretrained("vadimbelsky/qwen3-asr-arabic-ksa")
result = model.transcribe("audio.wav", language="Arabic")
print(result)

Or with transformers directly:

from transformers import AutoModelForCausalLM, AutoProcessor

model = AutoModelForCausalLM.from_pretrained("vadimbelsky/qwen3-asr-arabic-ksa")
processor = AutoProcessor.from_pretrained("vadimbelsky/qwen3-asr-arabic-ksa")

Limitations

  • Trained on synthetic/generated Arabic speech data
  • Optimized for KSA Saudi dialect — may not generalize to other Arabic dialects
  • Numbers are sometimes transcribed differently (e.g. digits vs spelled out)
  • Short utterances only (training data mostly < 20s)

Related Models

License

Apache 2.0 (same as base model)

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
5895e78

0 моделей