Qwen: Qwen3 ASR 1.7B

Qwen3-ASR-1.7B is het grotere spraakherkenningsmodel van Qwen in de Qwen3-ASR-familie. Het ontvangt audio en retourneert herkende tekst samen met een taallabel. De familie bouwt voort op de basis voor audiobegrip van Qwen3-Omni en gebruikt één ASR-model voor offline- en streamingherkenning. De 1.7B-editie legt de nadruk op herkenningskwaliteit, terwijl de afzonderlijk benoemde 0.6B-editie efficiëntie benadrukt. Deze edities blijven verschillende keuzes, ook al delen ze de gedocumenteerde taaldekking en herkenningsprocessen.

Taalidentificatie en audiodekking

De ontwikkelaar vermeldt 30 talen en 22 Chinese dialecten, naast Engelse accenten uit meerdere regio's. De talenlijst omvat 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. Ondersteunde audiotypen omvatten spraak, zangstemmen en liedjes met achtergrondmuziek. Dat maakt het transcript bruikbaar voor interviews, colleges, stemopnamen en het nakijken van songteksten, met behoud van de oorspronkelijke audio om moeilijke passages te controleren.

Audio voorbereiden en een transcript verkrijgen

De toolkit van de ontwikkelaar accepteert een audiobestandsreferentie, gecodeerde audio of een golfvorm met samplefrequentie; de offlinewerkwijze kan een verzameling opnamen verwerken. Ze kan de taal automatisch detecteren of een opgegeven ondersteunde taal gebruiken. Kies automatische detectie voor een onbekende opname; lever de daadwerkelijk gesproken taal aan als die bekend en relevant is voor de taak. Het voorbeeldresultaat toont de gedetecteerde of gekozen taal en herkende tekst. De taalinstelling stuurt de herkenning van de opname, niet een verzoek om de inhoud in een andere taal te herschrijven.

Bewaar bij een interview de opname gekoppeld aan datum, onderwerp en bronidentificatie en gebruik daarna de geretourneerde tekst als doorzoekbaar transcript. Behoud bij een college technische termen en numerieke uitdrukkingen tijdens de review in plaats van onduidelijke woorden stilzwijgend door een plausibele uitleg te vervangen. Controleer bij een lied de herkende tekst terwijl u naar de zanglijn luistert, vooral als de muziek een lettergreep maskeert. Het transcript kan invoer worden voor een afzonderlijke samenvattings-, vertaal- of redactiestap zodra de bewoording aan de audio is getoetst.

Streamingherkenning en de reikwijdte

Dezelfde ASR-familie ondersteunt herkenning terwijl de audio binnenkomt. Het streamingvoorbeeld van de ontwikkelaar voert opeenvolgende audiofragmenten in een behouden herkenningstoestand in, toont voorlopige tekst en sluit vervolgens de stream af om de definitieve taal en transcriptie te verkrijgen. Houd bij liveondertitels of een lopend transcript een onderscheid tussen de huidige incrementele tekst en het voltooide resultaat. De gedocumenteerde streamingimplementatie combineert streaming niet met batchinferentie en retourneert geen tijdstempels; een transcript met tijden gebruikt een andere werkwijze. Dit zijn implementatiedetails van de ontwikkelaar, geen belofte over de transportlaag of liveondertitelinterface van een toepassing.

Woord- of tekentijden met een afzonderlijke aligner

Qwen3-ForcedAligner-0.6B lijnt een audio-opname uit met aangeleverde tekst en voorspelt begin- en eindtijden op woord- of tekenniveau. Het is een afzonderlijk model, niet een van de twee Qwen3-ASR-edities. De ASR-toolkit kan die aligner gebruiken als tijdstempels in het offline-transcriptieproces worden gevraagd, of uitlijning kan op een bestaand tekst-audiopaar worden uitgevoerd. De gedocumenteerde dekking van de aligner omvat 11 talen: Chinees, Engels, Kantonees, Frans, Duits, Italiaans, Japans, Koreaans, Portugees, Russisch en Spaans. De opgegeven spraakduur is maximaal vijf minuten; dit is de scope van de aligner, geen limiet van vijf minuten voor ASR-transcriptie.

Verkrijg en controleer voor ondertitelvoorbereiding eerst het transcript en lijn het vervolgens uit met de bronopname als die werkwijze passend is. Gebruik de geretourneerde begin- en eindtijden om ondertitelsegmenten voor te bereiden en bekijk hun grenzen tijdens het luisteren. Uitlijning koppelt aangeleverde woorden aan audio; ze zou niet als bewijs moeten worden gezien dat een onjuist transcript is gecorrigeerd. Het bruikbare resultaat is een gecontroleerd transcript met timinginformatie dat verbonden blijft met de beschreven opname.

Lange opnamen en praktische beperkingen

De familie ondersteunt transcriptie van lange audio en de officiële voorbeelden vragen om meer gegenereerde tekst toe te staan bij langere invoer. De illustratieve tokeninstellingen zijn configuratiekeuzes, geen universele limiet voor modelcontext of audioduur. Plan de uitvoerruimte op basis van de opname en controleer dat het einde aanwezig is. Toets namen, hoeveelheden, taalwisselingen, gemaskeerde woorden en overlappende spraak aan het oorspronkelijke geluid. Taaldekking en robuustheid bij moeilijke audio garanderen geen foutloos transcript voor elk accent, elke opname of ieder muzikaal arrangement. Een volledig resultaat behoudt de herkende bewoording, taal en relatie tot de audio, zodat het kan worden doorzocht, bewerkt of gebruikt in een later contentproces.