説明
Qwen3-ASR-1.7B-hfは、52の言語と方言にわたる自動音声認識（ASR）と言語識別のために設計されたQwen3-ASRファミリーの一部です。大規模な音声トレーニングデータを活用し、強力な音声理解能力で知られる基盤モデルQwen3-Omniに基づいて構築されています。1.7Bバージョンは、オープンソースのASRモデルの中で最先端の性能を達成し、主要な商用APIと競合しています。
続きを読む
Qwen3-ASR-1.7B-hfの主な機能には、30の言語と22の中国方言、さまざまな英語のアクセントに対する言語識別と音声認識のサポートが含まれています。このモデルは、高品質で迅速な認識を実現し、複雑な音響環境に対応するように設計されています。ストリーミングとオフラインの統一推論をサポートし、さまざまな音声処理ニーズに対応できる柔軟性を持っています。
Qwen3-ForcedAligner-0.6Bモデルは、11の言語で最大5分間の音声セグメントに対する強制アライメントとタイムスタンプ予測を提供することで、ASR機能を補完します。このモデルは、エンドツーエンドの強制アライメントモデルよりも精度が高く、正確な単語レベルのタイムスタンプを提供します。
Qwen3-ASRモデルは、Transformersライブラリでネイティブにサポートされており、バージョン5.13.0以降から簡単に統合して使用できます。ユーザーは、転写言語を強制し、ドメイン特有の語彙のためのコンテキストを渡し、複数の音声ファイルに対してバッチ推論を実行できます。また、モデルはトレーニングとファインチューニングをサポートしており、特定のアプリケーションに合わせたカスタマイズが可能です。
全体として、Qwen3-ASR-1.7B-hfは、多言語音声認識と言語識別のための堅牢なオープンソースソリューションを求める開発者や研究者に最適です。
- カテゴリーAIモデルとLLM
- 料金モデルオープンソース
- デプロイクラウド
- プラットフォームWeb
Qwen3-ASR-1.7B-hfのハイライト
多言語ASRサポート
言語識別
ストリーミングおよびオフライン推論
タイムスタンプ付きの強制アライメント
高スループットと同時処理
複雑な環境での堅牢性
Transformersでのネイティブサポート
バッチ推論機能
Qwen3-ASR-1.7B-hfをはじめる
モデルにアクセス: Hugging Faceを訪問
認証: APIアクセスを設定
環境を設定: 依存関係をインストール
API経由で統合: Transformersライブラリを使用
最適化: 特定のニーズに合わせてファインチューニング
Qwen3-ASR-1.7B-hfの使用例
- 多言語転写
- 言語識別
- ストリーミングASR
- オフラインASR
- 強制アライメント
