Qwen3-ASR-0.6B Kazakh
компактный ASR для казахского
1 мин чтенияобновлено
Модель от ai4kazakh — дообученный под казахскую речь ASR на базе Qwen/Qwen3-ASR-0.6B (0.78 млрд параметров). Обучена примерно на 960 тыс. высказываний из нескольких казахских корпусов и выдаёт нормализованный текст.
Ключевые особенности
- База — Qwen/Qwen3-ASR-0.6B; задача — automatic-speech-recognition для казахского языка.
- Данные: ISSAI KSC2 (627 824), Alfarabi STT (173 610), NCSpeech (156 903) — всего около 960 тыс. высказываний.
- Транскрипты нормализованы: строчная казахская кириллица, только одиночные пробелы, без пунктуации и цифр.
- Поддерживается пакетная расшифровка списка аудиофайлов; рекомендуется 16 kHz mono wav.
- Сложнее всего — подкасты и радио: спонтанная речь, несколько спикеров и шум.
Пример
from qwen_asr import Qwen3ASRModel
model = Qwen3ASRModel.from_pretrained('ai4kazakh/qwen3-asr-0.6b-kazakh', device_map='cuda:0')
results = model.transcribe(audio=['sample.wav'])
print(results[0].text)
Подробнее
ISSAI KSC2 test: WER 12.92%, CER 4.27% на 9 351 клипе.Alfarabi STT test: WER 9.67%, CER 2.56% на 30 638 клипах.
Ограничения: только нижний регистр без пунктуации; вход 16 kHz mono; подкасты/радио — около 19–23% WER.










Комментарии