К содержимому
Аудио

Qwen3-ASR

потоковая распознавалка речи для RK3588

2 мин чтенияобновлено

Модель реализует пошаговое распознавание речи (ASR — Automatic Speech Recognition) с выводом текста и определением языка в режиме реального времени. Сборка оптимизирована под аппаратные платформы RK182x / RK3588 с использованием движков RKLLM и RKNN. Базируется на архитектуре Qwen3-ASR в версии 0.6B и обрабатывает аудиопоток порциями по одной секунде. Подойдет разработчикам встраиваемых систем и умных устройств на базе чипов Rockchip, которым требуется локальная потоковая обработка голоса без отправки данных в облако.

Ключевые особенности

  • Поддержка 52 языков и диалектов (включая множество языковых вариантов и диалектов).
  • Потоковый инференс: обновление текста каждые 1000 мс с обратной связью по токенам.
  • Малый объем памяти: требуется около 1600 МБ VRAM / оперативной памяти под веса и контекст.
  • Готовый манифест для интеграции через веб-интерфейс wdnwebui.

Что можно сделать

  • Подключить микрофон одноплатного компьютера RK3588 для голосового ввода и транскрипции в реальном времени.
  • Распознавать аудиодорожки из загруженных видеофайлов или аудиозаписей прямо на устройстве.
  • Встроить локальный сервис распознавания речи в автономные умные колонки и робототехнические комплексы.

Пример

Скачивание репозитория с весами и манифестом для локального развертывания:

hf download wardner/Qwen3-ASR --local-dir ./Qwen3-ASR
ПодробнееВычислительный блок: RK182x (целевая плата RK3588)
Рантайм: RKLLM + RKNN
Общий размер весов: 1.05 ГБ (энкодер, LLM, эмбеддинги, токенизатор)
Ограничения: максимальная длительность аудио для потокового режима ограничена, формат входа автоматически ресемплируется в 16 кГц моно. Лицензия: Apache 2.0 (для базовой модели).
Обсудить Telegram 0 334

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.3 GB · готовые файлы0.8 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.7 GB
  • 4-bitвеса 0.1 GB0.6 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.

    # wardner/Qwen3-ASR
    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 wardner/Qwen3-ASR --local-dir ~/models/Qwen3-ASR
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3-ASR
  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

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

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

wardner/Qwen3-ASR
Автор
wardner
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

3340

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии