К содержимому
Аудио

orukqwen-asr-1.7b-v2

компактное распознавание речи на базе Qwen3

2 мин чтенияобновлено

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.
Обсудить Telegram 0 14

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 3.8 GB · готовые файлы4.7 GB
  • FP8 / INT8рекомендуемвеса 1.9 GB2.6 GB
  • 4-bitвеса 1.1 GB1.7 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # oruk/orukqwen-asr-1.7b-v2
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к orukqwen-asr-1.7b-v2
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

Qwen/Qwen3-ASR-1.7B

Новые посты про версии Qwen3-ASR-1.7B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face

О модели

oruk/orukqwen-asr-1.7b-v2
Автор
oruk
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

140

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

MIST-QG-1.0

MIST-QG-1.0
Компьютерное зрение

ScarletKc-2.0

ScarletKc-2.0
Языковые модели

Totem 4B

Totem 4B