/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Архитектура
qwen3_asr · dense
Базовая модель
Qwen3-ASR-0.6B
Опубликована
23 апр 2026

Qwen3-ASR-0.6B-int8-QAD

Распознавание речиАудио → текст7 профессий

Многоязычная INT8-модель распознавания речи на базе Qwen3-ASR-0.6B с дистилляцией для восстановления части точности после квантизации.

253скачиваний за 30 дней3лайкавеса обновлены6 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

Qwen3-ASR-0.6B-int8-QAD — сжатая версия Qwen/Qwen3-ASR-0.6B для распознавания речи, подготовленная VinRobotics. Модель размером около 0,6 млрд параметров использует архитектуру Qwen3-ASR и принимает аудио, выдавая текстовую транскрипцию. Веса квантизированы до INT8 методом SmoothQuant, после чего модель дообучена с помощью дистилляции с учителем на псевдоразметке для восстановления части точности, потерянной при квантизации.

Модель рассчитана на многоязычную транскрибацию речи; в метаданных перечислены 23 языка, включая русский, английский, китайский, арабский, французский, испанский и японский. В README приведены результаты WER для английского LibriSpeech dev-clean-2 и вьетнамского VIVOS; на этих наборах QAD улучшает результат относительно одной только INT8-квантизации, хотя показатели остаются немного хуже базовой FP16-модели. Квантизация предназначена для снижения потребления памяти и ускорения вывода на оборудовании с INT8 tensor cores. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация русскоязычных аудиозаписей
  • распознавание речи в многоязычных записях
  • преобразование аудио в текст при ограниченной памяти
  • ускоренное распознавание речи на оборудовании с поддержкой INT8

Ограничения

В приведённых тестах WER после QAD немного выше, чем у исходной FP16-модели: 2,76% против 2,66% на английском и 11,55% против 10,53% на вьетнамском. Описание не сообщает контекстное окно или результаты оценки для остальных заявленных языков.

Для каких профессий подходит7

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-0.6B — INT8 + Quantization-Aware Distillation

This is a compressed and distillation-refined version of Qwen/Qwen3-ASR-0.6B.
The model applies INT8 SmoothQuant post-training quantization followed by Quantization-Aware Distillation (QAD) to recover accuracy lost during compression — while preserving low-latency, low-memory inference.


Method Overview

Stage 1 — INT8 SmoothQuant (PTQ)

The base FP16 model is quantized to INT8 using SmoothQuant, a channel-wise activation smoothing technique that migrates quantization difficulty from activations to weights. This reduces model memory footprint and accelerates inference on hardware with INT8 tensor cores.

Stage 2 — Quantization-Aware Distillation (QAD)

To close the accuracy gap introduced by quantization, we apply a knowledge distillation fine-tuning stage where:

  • Teacher: original FP16 base model (frozen)
  • Student: the INT8-quantized model (trainable weights only — audio encoder and LM head are frozen)
  • Data: unlabeled speech data spanning 30 languages, with pseudo-labels generated by the teacher model
  • Loss: a combination of KL-divergence distillation loss and cross-entropy loss, computed exclusively on response tokens (post audio-end token positions)
  • Optimizer: AdamW with cosine decay learning rate schedule and linear warmup

The QAD stage teaches the quantized student to match the teacher's output distribution on diverse real-world speech, without requiring any manual transcription labels.


Benchmark Results

English — LibriSpeech dev-clean-2

ModelWER ↓
Qwen3-ASR-0.6B (FP16 base)2.66%
INT8 SmoothQuant (pre-QAD)2.81%
INT8 + QAD (this model)2.76%

Vietnamese — VIVOS test set

ModelWER ↓
Qwen3-ASR-0.6B (FP16 base)10.53%
INT8 SmoothQuant (pre-QAD)11.75%
INT8 + QAD (this model)11.55%

QAD recovers a meaningful portion of the WER degradation introduced by INT8 quantization, with no additional labeled data required.


Usage

Install dependencies:

pip install qwen-asr nvidia-modelopt soundfile numpy

Run inference:

import soundfile as sf
import numpy as np
import torch
import modelopt.torch.opt as mto
from qwen_asr import Qwen3ASRModel

# Enable ModelOpt quantization state restore
mto.enable_huggingface_checkpointing()

model = Qwen3ASRModel.from_pretrained(
    "vrfai/Qwen3-ASR-0.6B-int8-QAD",
    dtype=torch.float16,
    device_map="cuda:0",
    max_new_tokens=256,
)

audio, sr = sf.read("your_audio.wav")
if audio.ndim > 1:
    audio = audio.mean(axis=1)
audio = audio.astype(np.float32)

results = model.transcribe(audio=(audio, sr), language=None)
print(results[0].text)

Model Details

PropertyValue
Base modelQwen/Qwen3-ASR-0.6B
Parameters~0.6B
QuantizationINT8 SmoothQuant (via NVIDIA ModelOpt)
Audio encoderFrozen (FP16, not quantized)
LM headFrozen
Quantized scopeTransformer decoder layers
Distillation dataMultilingual unlabeled speech (30 languages)
LicenseApache 2.0

Citation

If you use this model, please also cite the original Qwen3-ASR work:

@misc{qwen3asr2025,
  title  = {Qwen3-ASR},
  author = {Qwen Team},
  year   = {2025},
  url    = {https://huggingface.co/Qwen/Qwen3-ASR-0.6B}
}

Acknowledgements

Quantization Script

The recipes and scripts used to quantize this model can be found in the following repository:

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
1002c44

0 моделей