Qwen: Qwen3 ASR 0.6B

Qwen3-ASR-0.6B is de compacte editie van Qwens Qwen3-ASR-familie voor spraakherkenning. Het model accepteert audio en produceert een transcriptie met een taallabel. De maker positioneert 0.6B rond de balans tussen herkenningskwaliteit en efficiëntie, terwijl 1.7B de afzonderlijk benoemde grotere editie is. Beide bouwen voort op het audiobegrip van Qwen3-Omni en delen de gedocumenteerde herkenningsdekking en uniforme aanpak voor offlinegebruik en streaming. De compacte editie kan de transcriptiestap verzorgen in een werkproces voor spraaknotities, ondertitelvoorbereiding of doorzoekbare opnames.

Talen, dialecten en ondersteunde opnames

Qwen documenteert herkenning en taalidentificatie voor 30 talen en 22 Chinese dialecten, met ondersteuning voor Engelse accenten uit verschillende regio’s. De taaltabel vermeldt Chinees, Engels, Kantonees, Arabisch, Duits, Frans, Spaans, Portugees, Indonesisch, Italiaans, Koreaans, Russisch, Thai, Vietnamees, Japans, Turks, Hindi, Maleis, Nederlands, Zweeds, Deens, Fins, Pools, Tsjechisch, Filipino, Perzisch, Grieks, Hongaars, Macedonisch en Roemeens. Tot de herkende audiotypen behoren spraak, zangstemmen en liedjes met achtergrondmuziek. De kleinere editie behoudt deze familiedekking; de omvang betekent geen andere lijst met ondersteunde talen.

Offlineherkenning en invoervoorbereiding

De officiële toolkit kan audio ontvangen via een bestandsreferentie, gecodeerde audio of een golfvorm met de bijbehorende samplefrequentie. De toolkit ondersteunt offlineverwerking van meerdere opnames, automatische taaldetectie en het opgeven van een ondersteunde taal. Het gedocumenteerde resultaat bevat de taal en de herkende tekst. Selecteer de gesproken taal wanneer u die kent, of laat het model die identificeren wanneer een verzameling onbekende talen bevat. Bewaar de identificatie van elke opname naast het resultaat, zodat een transcriptie naar de juiste bron kan worden herleid.

Bewaar voor een reeks spraaknotities een afzonderlijk resultaat per notitie en controleer namen, getallen en onduidelijke zinnen aan de hand van de opname voordat u de tekst omzet in taken of een samenvatting. Gebruik voor een gesproken handleiding de transcriptie om passages te vinden en de formulering van elke instructie te controleren. Luister bij het controleren van songteksten naar de zanglijn, in plaats van een woord alleen te accepteren omdat het logisch lijkt in het lied. Dit zijn voorbereidings- en controlestappen voor het tekstresultaat; het samenvatten, vertalen of interpreteren van de transcriptie kan daarna in afzonderlijke bewerkingen plaatsvinden.

Streamingtekst en het afronden van een opname

Qwen3-ASR gebruikt hetzelfde model voor offline- en streamingherkenning. In het streamingvoorbeeld van de maker werken binnenkomende audioblokken een bewaarde herkenningsstatus bij; een afrondingsstap levert daarna de volledige tekst en taal op. Dit ondersteunt een stapsgewijze weergave die nuttig is voor een lopende transcriptie. Beschouw de tussentijdse weergave als de huidige herkenningsstatus en bewaar het definitieve resultaat nadat de opname is beëindigd, met de audiobron beschikbaar voor correctie.

De gedocumenteerde streamingimplementatie ondersteunt geen batchinferentie of tijdstempels binnen dat streamingproces. Streamingtekst, een verzameling offlinetranscripties en de voorbereiding van getimede ondertitels zijn daarom afzonderlijke processen van de maker. De voorbeeldgroottes voor audioblokken en tokeninstellingen illustreren een implementatie; het zijn geen universele beloften over latentie, gelijktijdigheid of audiolengte. Kies het werkproces op basis van het gewenste resultaat: tekst die tijdens een opname binnenkomt, volledige tekst voor een verzameling of tekst die op een tijdlijn is uitgelijnd.

Getimede tekst gebruikt Qwen3-ForcedAligner

Qwen3-ForcedAligner-0.6B is een afzonderlijk uitlijningsmodel, hoewel het de grootteaanduiding 0.6B deelt met deze ASR-editie. Het krijgt een tekst-audiopaar en voorspelt begin- en eindtijden op woord- of tekenniveau. De offline-ASR-toolkit van de maker kan het aanroepen wanneer tijdstempels worden gevraagd. De gedocumenteerde talen zijn Chinees, Engels, Kantonees, Frans, Duits, Italiaans, Japans, Koreaans, Portugees, Russisch en Spaans. De vermelde uitlijningsduur is maximaal vijf minuten spraak. Die kleinere taalset en duur van vijf minuten horen bij geforceerde uitlijning, niet bij de algemene transcriptiedekking van het ASR-model.

Bereid voor ondertitels een gecontroleerde transcriptie in de taal van de opname voor, lijn die uit waar het ondersteunde proces van toepassing is en controleer de segmentgrenzen tijdens het afspelen van de bron. Een bruikbaar ondertitelbestand bewaart de formulering en timing samen. Als een woord in de transcriptie onjuist is, corrigeer het dan aan de hand van de audio, in plaats van aan te nemen dat een tijdvak het woord valideert. Deze scheiding maakt duidelijk of een probleem in de herkenning, de aangeleverde tekst of de plaatsing van een ondertitelgrens zit.

Uitvoer voor lange audio en herkenningscontroles

De Qwen3-ASR-familie ondersteunt lange opnames. De inferentievoorbeelden adviseren meer gegenereerde tokens toe te staan voor langere audio. Controleer daarom of de transcriptie het einde van de opname bereikt en niet door een uitvoerlimiet is afgebroken. De gepubliceerde voorbeelden stellen geen universele numerieke contextlengte of maximale duur voor ASR-opnames vast. Houd bruikbare onderdelen en hun bronposities bij elkaar wanneer u een lange opname organiseert voor controle. Controleer moeilijk hoorbare woorden, taalwisselingen, overlappende spraak, ongebruikelijke namen en gezongen lettergrepen aan de hand van het originele geluid. Het praktische resultaat is herkende tekst met een taallabel, gereed voor zoeken of een volgende inhoudsstap, waarbij indien nodig timing wordt toegevoegd via het afzonderlijke uitlijningsproces.