Qwen: Qwen3 ASR 1.7B

Qwen3-ASR-1.7B to większy model rozpoznawania mowy Qwen w rodzinie Qwen3-ASR. Przyjmuje dźwięk i zwraca rozpoznany tekst wraz z etykietą języka. Rodzina opiera się na podstawach rozumienia dźwięku Qwen3-Omni i wykorzystuje jeden model ASR do rozpoznawania offline i strumieniowego. Edycja 1.7B kładzie nacisk na jakość rozpoznawania, a osobno nazwana edycja 0.6B na wydajność. Edycje te pozostają odrębnymi wyborami, choć współdzielą udokumentowany zakres językowy i przepływy rozpoznawania.

Identyfikacja języka i obsługiwany dźwięk

Producent wymienia 30 języków i 22 chińskie dialekty oraz angielskie akcenty z wielu regionów. Lista języków obejmuje chiński, angielski, kantoński, arabski, niemiecki, francuski, hiszpański, portugalski, indonezyjski, włoski, koreański, rosyjski, tajski, wietnamski, japoński, turecki, hindi, malajski, niderlandzki, szwedzki, duński, fiński, polski, czeski, filipiński, perski, grecki, węgierski, macedoński i rumuński. Obsługiwane rodzaje dźwięku obejmują mowę, śpiew i piosenki z muzyką w tle. Dzięki tym możliwościom transkrypcja jest przydatna do wywiadów, wykładów, nagrań głosowych i przeglądu tekstów piosenek, z zachowaniem oryginalnego dźwięku do sprawdzania trudnych fragmentów.

Przygotowanie dźwięku i uzyskanie transkrypcji

Zestaw narzędzi producenta przyjmuje odwołanie do pliku audio, zakodowany dźwięk lub przebieg fali wraz z częstotliwością próbkowania, a przepływ offline może przetwarzać zbiór nagrań. Może automatycznie wykrywać język lub używać wskazanego obsługiwanego języka. Wybierz automatyczne wykrywanie dla nieznanego nagrania; podaj rzeczywisty język wypowiedzi, gdy jest znany i istotny dla zadania. Przykładowy wynik udostępnia wykryty lub wybrany język i rozpoznany tekst. Ustawienie języka ukierunkowuje rozpoznawanie nagrania, a nie definiuje prośby o przepisanie jego treści w innym języku.

W przypadku wywiadu zachowaj powiązanie nagrania z datą, tematem i identyfikatorem źródła, a następnie używaj zwróconego tekstu jako przeszukiwalnej transkrypcji. Przy wykładzie zachowuj terminy techniczne i wyrażenia liczbowe podczas przeglądu zamiast niejawnie zastępować niejasne słowa wiarygodnym wyjaśnieniem. Przy piosence sprawdzaj rozpoznany tekst podczas słuchania partii wokalnej, szczególnie tam, gdzie muzyka maskuje sylabę. Transkrypcja może stać się wejściem do osobnego etapu podsumowania, tłumaczenia lub redakcji po sprawdzeniu jej brzmienia względem dźwięku.

Rozpoznawanie strumieniowe i jego zakres

Ta sama rodzina ASR obsługuje rozpoznawanie podczas napływania dźwięku. Przykład strumieniowy producenta wprowadza kolejne fragmenty dźwięku do zachowywanego stanu rozpoznawania, wyświetla tekst tymczasowy, a następnie kończy strumień, aby uzyskać końcowy język i transkrypcję. Przygotowując napisy na żywo lub bieżącą transkrypcję, rozróżniaj aktualny tekst przyrostowy od zakończonego wyniku. Udokumentowana implementacja strumieniowa nie łączy strumieniowania z inferencją wsadową ani nie zwraca znaczników czasu; transkrypcja ze znacznikami czasu używa innego przepływu. Są to szczegóły implementacji producenta, a nie obietnica dotycząca transportu danych lub interfejsu napisów na żywo w aplikacji.

Znaczniki czasu słów lub znaków z osobnym modelem wyrównującym

Qwen3-ForcedAligner-0.6B wyrównuje nagranie audio z dostarczonym tekstem i przewiduje czasy rozpoczęcia i zakończenia na poziomie słów lub znaków. Jest to model odrębny od obu edycji Qwen3-ASR. Zestaw narzędzi ASR może korzystać z niego przy żądaniu znaczników czasu w przepływie transkrypcji offline albo wyrównywanie można uruchomić dla istniejącej pary tekst–dźwięk. Udokumentowany zakres modelu wyrównującego obejmuje 11 języków: chiński, angielski, kantoński, francuski, niemiecki, włoski, japoński, koreański, portugalski, rosyjski i hiszpański. Podany zakres mowy wynosi do pięciu minut; jest to zakres modelu wyrównującego, a nie pięciominutowy limit transkrypcji ASR.

Przy przygotowaniu napisów najpierw uzyskaj i sprawdź transkrypcję, a następnie wyrównaj ją z nagraniem źródłowym tam, gdzie ten przepływ wyrównywania jest odpowiedni. Użyj zwróconych czasów rozpoczęcia i zakończenia do przygotowania segmentów napisów i sprawdź ich granice podczas słuchania. Wyrównywanie wiąże dostarczone słowa z dźwiękiem; nie należy traktować go jako dowodu, że niepoprawna transkrypcja została skorygowana. Przydatnym rezultatem jest sprawdzona transkrypcja z informacjami czasowymi, która pozostaje powiązana z opisywanym nagraniem.

Długie nagrania i praktyczne ograniczenia

Rodzina obsługuje transkrypcję długiego dźwięku, a oficjalne przykłady instruują użytkowników, aby pozwalali na więcej generowanego tekstu dla dłuższego wejścia. Ilustracyjne ustawienia tokenów są wyborami konfiguracji, a nie uniwersalnym limitem kontekstu modelu czy czasu trwania dźwięku. Zaplanuj pulę wyjścia wokół nagrania i sprawdź, czy uwzględniono jego zakończenie. Porównuj nazwy, ilości, zmiany języka, zagłuszone słowa i nakładające się wypowiedzi z oryginalnym dźwiękiem. Zakres językowy i odporność na trudny dźwięk nie gwarantują bezbłędnej transkrypcji dla każdego akcentu, nagrania czy aranżacji muzycznej. Kompletny wynik zachowuje rozpoznane brzmienie, jego język i związek z dźwiękiem, aby można go było przeszukiwać, edytować lub wykorzystać w późniejszym przepływie treści.