描述
Qwen3-ASR-1.7B-hf 是 Qwen3-ASR 系列的一部分，该系列包括用于 52 种语言和方言的自动语音识别（ASR）和语言识别模型。利用大规模的语音训练数据，这些模型建立在基础模型 Qwen3-Omni 的基础上，因其强大的音频理解能力而闻名。1.7B 版本在开源 ASR 模型中实现了最先进的性能，并与领先的专有商业 API 竞争。
阅读更多
Qwen3-ASR-1.7B-hf 的主要特性包括支持 30 种语言和 22 种中文方言的语言识别和语音识别，包括各种英语口音。该模型旨在处理复杂的声学环境，提供高质量和快速的识别。它支持流式和离线统一推理，使其在不同的音频处理需求中具有多功能性。
Qwen3-ForcedAligner-0.6B 模型通过提供强制对齐和时间戳预测，补充了 ASR 功能，支持长达五分钟的语音片段在 11 种语言中的处理。该模型在准确性上超越了端到端强制对齐模型，提供精确的单词级时间戳。
Qwen3-ASR 模型在 Transformers 库中原生支持，从版本 5.13.0 开始，允许轻松集成和使用。用户可以强制转录语言，传递特定领域词汇的上下文，并对多个音频文件进行批量推理。该模型还支持训练和微调，使其能够针对特定应用进行定制。
总体而言，Qwen3-ASR-1.7B-hf 非常适合寻求强大开源解决方案的开发者和研究人员，以实现多语言语音识别和语言识别。
- 类别AI 模型与大语言模型
- 定价模式开源
- 部署云端
- 平台网页版
Qwen3-ASR-1.7B-hf亮点
多语言 ASR 支持
语言识别
流式和离线推理
带时间戳的强制对齐
高吞吐量和并发性
在复杂环境中稳健
在 Transformers 中原生支持
批量推理能力
Qwen3-ASR-1.7B-hf入门
访问模型：访问 Hugging Face
身份验证：设置 API 访问
设置环境：安装依赖项
通过 API 集成：使用 Transformers 库
优化：针对特定需求进行微调
Qwen3-ASR-1.7B-hf的使用案例
- 多语言转录
- 语言识别
- 流式 ASR
- 离线 ASR
- 强制对齐
