Skip to content
Audio

orukqwen-asr-1.7b-v2

компактное распознавание речи на базе Qwen3

2 min readupdated

Обновлённая модель для распознавания английской речи (ASR) на 2.04B параметров от команды oruk, построенная поверх Qwen/Qwen3-ASR-1.7B. Авторы взяли первую версию, провели восемь независимых прогонов обучения с подкреплением методом GSPO с фиксацией стиля транскрибации (чтобы модель не меняла манеру оформления слов-паразитов и аббревиатур ради накрутки метрик) и усреднили их веса в одну модель. В результате компактная нейросеть улучшила точность на шумных записях, встречах и аудио с дальних микрофонов AR-очков, обойдя по среднему WER на семи публичных датасетах даже более крупную NVIDIA Nemotron-3.5-Transcribe-30B-A4B. Подойдёт для расшифровки звонков, интервью и голосовых интерфейсов на английском языке.

Ключевые особенности

  • Style-pinned RL и усреднение весов: модель объединяет 8 независимых GSPO-прогонов (model soup) без усложнения архитектуры и замедления на этапе инференса относительно базовой Qwen3-ASR-1.7B.
  • Улучшенное декодирование из коробки: в generation_config.json сразу прописан 3-beam search, защита от зацикливания (no_repeat_ngram_size=8) и запрет на 32 253 CJK-токена, чтобы английский текст не срывался в иероглифы.
  • Меньше пропущенных слов: на 11 080 свежих аудиоклипах, не участвовавших в обучении, модель снизила количество пропусков слов на 0.46 на каждые 100 слов.
  • Гибкий выбор между скоростью и точностью: можно использовать 3-beam search для максимального качества или включить жадное декодирование (num_beams=1) и ускорить генерацию примерно в 3.2 раза.

Что можно сделать

  • Расшифровка созвонов и совещаний: модель заметно прибавила в качестве на диалогах (AMI-Cleaned) и парламентских выступлениях (VoxPopuli), поэтому хорошо подойдёт для протоколирования встреч.
  • Распознавание речи в сложных акустических условиях: наибольший прирост (−0.78 WER) зафиксирован на дальних микрофонах AR-очков EasyCom и шумном датасете URGENT2024.
  • Интеграция в пайплайны на Transformers или vLLM: модель поддерживает оба фреймворка, а для получения пословных таймкодов её можно связать с Qwen/Qwen3-ForcedAligner-0.6B-hf.

Пример

from transformers import AutoProcessor, AutoModelForMultimodalLM

model_id = "oruk/orukqwen-asr-1.7b-v2"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForMultimodalLM.from_pretrained(model_id, device_map="auto")
inputs = processor.apply_transcription_request(audio="sample.wav", language="en").to(model.device, model.dtype)
output_ids = model.generate(**inputs)
print(processor.decode(output_ids[:, inputs["input_ids"].shape[1]:], return_format="transcription_only")[0])
ПодробнееСредний WER на 9 публичных английских датасетах — 4.66% (против 4.76% у v1 и 4.94% у базовой Qwen3-ASR-1.7B).
На 7 актуальных публичных наборах Open ASR Leaderboard средний WER составил 5.4219% против 5.5114% у NVIDIA Nemotron-3.5-Transcribe-30B-A4B (замер от 7–9 ноября 2026 года).
Скорость на 1× A100-SXM4-40GB в bf16: RTFx 125 с 3-beam search и RTFx 404 в режиме greedy (в vLLM по умолчанию используется greedy-путь).
Ограничения: RL-дообучение проводилось только на английском; для других языков лучше брать базовую модель, а для CJK-языков необходимо передавать bad_words_ids=None.
Discuss Telegram 0 14

Will it run?

Runs in BF16

Fits without quantisation.

  • BF16weights 3.8 GB · ready files4.7 GB
  • FP8 / INT8recommendedweights 1.9 GB2.6 GB
  • 4-bitweights 1.1 GB1.7 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

What to get for this model

Massed ComputeOpen Massed Compute

Your own GPU: FP8 / INT8 — from RTX 2060 · BF16 — from RTX 2060

Massed Compute hourly prices, November 2026. The discounted price applies with the coupon at checkout.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # oruk/orukqwen-asr-1.7b-v2
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download oruk/orukqwen-asr-1.7b-v2 --local-dir ~/models/orukqwen-asr-1.7b-v2
    # The model is in ~/models. How to run it is in the model card (link above).
    Add more LoRAs to orukqwen-asr-1.7b-v2
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

New posts about versions of Qwen3-ASR-1.7B (quants, finetunes, LoRAs) will show up under the bell.

Quantised versions 12All on Hugging Face
Fine-tunes 12All on Hugging Face
LoRAs and adapters 2All on Hugging Face

About the model

oruk/orukqwen-asr-1.7b-v2
Author
oruk
Category
Audio
Released
Posted

On NeyroLearn

Hugging Face

140

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments

Language models

Totem 4B

Totem 4B