Qwen3-ASR Hindi Fine-Tune
разговорный хинди и Hinglish
1 min read
Дообученная версия Qwen3-ASR-0.6B (0,78 млрд параметров) от shujaAK для автоматического распознавания разговорного хинди и смешанной хинди-английской речи. Обучение шло на синтетически зашумлённом датасете; на отложенной тестовой выборке модель получила 6,25% normalized WER и 2,94% normalized CER.
Ключевые особенности
- База — Qwen3-ASR-0.6B, задача automatic speech recognition.
- Ориентирована на разговорный хинди и Hinglish-labelled речь.
- Supervised fine-tuning: 1 эпоха, 1 075 шагов, выбран checkpoint 1000.
- Обучение на NVIDIA T4: FP16, 8-bit AdamW, gradient checkpointing.
- Частота аудио — 16 kHz; пример инференса использует CUDA и FP16.
Пример
import torch
from qwen_asr import Qwen3ASRModel
model = Qwen3ASRModel.from_pretrained('shujaAK/Hindi-ASR-Qwen3-0.6B-Finetuned',
dtype=torch.float16, device_map='cuda:0')
result = model.transcribe(audio='path/to/audio.wav', language='Hindi')
print(result)
Подробнее
На тесте: normalized WER 6,25% против 17,42% у pretrained; normalized CER 2,94% против 10,68%. Относительное снижение WER — около 64,1%.Оценка шла на синтетически зашумлённом аудио; качество на реальных шумных записях не установлено. Hinglish-подмножество использует транскрипты деванагари, а не произвольный латинский code-switching.
Метрики получены в одном прогоне дообучения; малые доменные подвыборки менее надёжны.










Comments