/ Модель

Характеристики

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

Qwen3-ASR-1.7B-nvfp4

Распознавание речиАудио → текст8 профессий

Квантизированная до NVFP4 многоязычная Qwen3-ASR-1.7B для распознавания речи и транскрибации аудио с запуском через vLLM.

1 644скачиваний за 30 дней7лайковвеса 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

Это квантизированная версия многоязычной модели Qwen3-ASR-1.7B, подготовленная VRFAI с помощью NVIDIA ModelOpt для запуска через vLLM. Модель предназначена для автоматического распознавания речи и транскрибации аудио; в основе — плотная архитектура Qwen3ASRForConditionalGeneration с аудиобашней и языковой моделью. Квантизация NVFP4 применяется только к языковой части примерно на 1,4 млрд параметров из общего объёма около 1,7 млрд; аудиобашня и выходная голова остаются в BF16.

Модель поддерживает распознавание речи на нескольких языках, включая английский, китайский, русский, французский, немецкий, японский, корейский, испанский и другие. По приведённому тесту на 760 образцах VIVOS WER составил 10,73% против 7,34% у версии BF16; при высокой конкурентности NVFP4 показала более высокую пропускную способность в описанной конфигурации. Для использования указаны NVIDIA ModelOpt и vLLM. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация русскоязычных аудиозаписей
  • распознавание речи в многоязычных аудиозаписях
  • автоматическая расшифровка аудио для последующей обработки
  • потоковое распознавание речи при обслуживании через совместимую систему

Ограничения

В тесте на выборке VIVOS NVFP4 показала более высокий WER, чем версия BF16: 10,73% против 7,34%; результаты приведены только для описанной тестовой конфигурации. Для запуска README указывает vLLM и NVIDIA ModelOpt.

Для каких профессий подходит8

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-1.7B NVFP4 Quantized

NVFP4 quantized version of Qwen3-ASR-1.7B using NVIDIA ModelOpt (Max calibration algorithm), ready for deployment with vLLM.

Quantization Details

Only the LLM component (model, ~1.4B params, 82% of total) is quantized to NVFP4. audio_tower and lm_head remain in BF16.

ComponentParametersQuantized
audio_tower~0.3BNo
model (LLM)~1.4BNVFP4
lm_headsharedNo

Calibration algorithm: Max (per-tensor symmetric, MaxCalibrator)

Results

Memory Usage (RTX 5090, gpu_memory_utilization=0.7)

ModelWeightsKV Cache
BF163.87 GB16.58 GB
NVFP41.99 GB18.43 GB

WER (760 VIVOS test samples, concurrency=1)

ModelWER
BF167.34%
NVFP410.73%

Throughput across Concurrency Levels (7168 VIVOS samples)

ConcurrencyBF16 (req/s)NVFP4 (req/s)
115.4215.77
256227.88260.87
512227.50262.87
1024219.63268.25

NVFP4 achieves highest throughput at high concurrency due to smaller model size freeing more KV cache capacity.

LLM Output Cosine Similarity vs BF16 (50 samples)

ModelCosine Similarity
NVFP40.945

Usage

Serving with vLLM

git clone https://github.com/QwenLM/Qwen3-ASR
pip install nvidia-modelopt vllm

qwen-asr-serve vrfai/qwen3asr-nvfp4 \
    --quantization modelopt_fp4 \
    --gpu-memory-utilization 0.7

Inference

import requests, soundfile as sf, io

def transcribe(audio_path, url="http://localhost:8000/v1/audio/transcriptions"):
    audio, sr = sf.read(audio_path)
    buf = io.BytesIO()
    sf.write(buf, audio, sr, format="WAV")
    buf.seek(0)
    r = requests.post(
        url,
        files={"file": ("audio.wav", buf, "audio/wav")},
        data={"model": "vrfai/qwen3asr-nvfp4"},
    )
    return r.json().get("text", "")

References

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
a4e721e

0 моделей