Qwen3-ASR-1.7B je Qwenov večji model za prepoznavanje govora iz družine Qwen3-ASR. Sprejema zvok in vrača prepoznano besedilo skupaj z oznako jezika. Družina temelji na osnovi Qwen3-Omni za razumevanje zvoka in uporablja en model ASR za prepoznavanje brez povezave in v toku. Izdaja 1.7B poudarja kakovost prepoznavanja, ločeno poimenovana izdaja 0.6B pa učinkovitost. Ti izdaji ostajata različni izbiri, čeprav imata enako dokumentirano jezikovno pokritost in poteke prepoznavanja.
Proizvajalec navaja 30 jezikov in 22 kitajskih narečij ter angleške naglase iz več regij. Seznam jezikov vključuje kitajščino, angleščino, kantonščino, arabščino, nemščino, francoščino, španščino, portugalščino, indonezijščino, italijanščino, korejščino, ruščino, tajščino, vietnamščino, japonščino, turščino, hindijščino, malajščino, nizozemščino, švedščino, danščino, finščino, poljščino, češčino, filipinščino, perzijščino, grščino, madžarščino, makedonščino in romunščino. Podprte vrste zvoka vključujejo govor, pevski glas in pesmi z glasbo v ozadju. Zaradi teh zmožnosti je prepis uporaben za intervjuje, predavanja, glasovne posnetke in pregled besedil pesmi, pri čemer je izvirni zvok ohranjen za preverjanje težavnih odlomkov.
Proizvajalčeva zbirka orodij sprejema referenco na zvočno datoteko, kodiran zvok ali valovno obliko skupaj s frekvenco vzorčenja, njen potek brez povezave pa lahko obdela zbirko posnetkov. Jezik lahko zazna samodejno ali uporabi določen podprti jezik. Za neznani posnetek izberite samodejno zaznavanje; kadar je znan in pomemben za nalogo, podajte dejanski govorjeni jezik. Primer rezultata prikazuje zaznani ali izbrani jezik in prepoznano besedilo. Nastavitev jezika usmerja prepoznavanje posnetka, ne določa zahteve za preoblikovanje njegove vsebine v drug jezik.
Pri intervjuju posnetek ohranite povezan z datumom, temo in izvornim identifikatorjem, nato pa vrnjeno besedilo uporabite kot prepis, po katerem je mogoče iskati. Pri predavanju med pregledom ohranite tehnične izraze in numerične izraze, namesto da nejasne besede tiho nadomestite z verjetno razlago. Pri pesmi prepoznano besedilo preverite med poslušanjem pevske linije, zlasti kjer glasba prekrije zlog. Prepis lahko postane vhod za ločen korak povzemanja, prevajanja ali urejanja, ko je njegovo besedilo preverjeno glede na zvok.
Ista družina ASR podpira prepoznavanje med prihajanjem zvoka. Proizvajalčev primer pretakanja zaporedne zvočne dele podaja v ohranjeno stanje prepoznavanja, prikazuje vmesno besedilo in nato zaključi tok, da pridobi končni jezik in prepis. Pri pripravi podnapisov v živo ali sprotnega prepisa ohranite razliko med trenutnim postopnim besedilom in dokončanim rezultatom. Dokumentirana pretočna implementacija ne združuje pretakanja s paketnim izvajanjem in ne vrača časovnih oznak; časovno označen prepis uporablja drug potek dela. To so podrobnosti proizvajalčeve implementacije, ne obljuba o prenosu v aplikaciji ali vmesniku za podnapise v živo.
Qwen3-ForcedAligner-0.6B poravna zvočni posnetek s podanim besedilom in napove začetne in končne čase na ravni besed ali znakov. Gre za model, ločen od obeh izdaj Qwen3-ASR. Zbirka orodij ASR lahko ta poravnalnik uporabi, kadar so v njenem poteku prepisovanja brez povezave zahtevane časovne oznake, ali pa je mogoče poravnavo izvesti na obstoječem paru besedila in zvoka. Dokumentirana pokritost poravnalnika obsega 11 jezikov: kitajščino, angleščino, kantonščino, francoščino, nemščino, italijanščino, japonščino, korejščino, portugalščino, ruščino in španščino. Njegov navedeni govorni obseg je do pet minut; to je obseg poravnalnika, ne petminutna zgornja meja prepisovanja ASR.
Pri pripravi podnapisov najprej pridobite in preglejte prepis, nato pa ga poravnajte z izvornim posnetkom, kjer je ta potek poravnave ustrezen. Z vrnjenimi začetnimi in končnimi časi pripravite segmente podnapisov ter med poslušanjem preglejte njihove meje. Poravnava poveže podane besede z zvokom; naj se ne obravnava kot dokaz, da je bil napačen prepis popravljen. Uporaben izdelek je preverjen prepis s časovnimi informacijami, ki ostane povezan s posnetkom, ki ga opisuje.
Družina podpira prepisovanje dolgih zvočnih posnetkov, uradni primeri pa uporabnikom naročajo, naj za daljši vhod omogočijo več generiranega besedila. Njihove ponazoritvene nastavitve žetonov so konfiguracijske izbire, ne splošna omejitev konteksta modela ali trajanja zvoka. Prostor za izhod načrtujte glede na posnetek in preverite, ali je prisoten konec. Imena, količine, jezikovne prehode, prekrite besede in prekrivajoči se govor preverite glede na izvirni zvok. Jezikovna pokritost in robustnost pri zahtevnem zvoku ne jamčita brezhibnega prepisa za vsak naglas, posnetek ali glasbeni aranžma. Popoln rezultat ohrani prepoznano besedilo, njegov jezik in povezavo z zvokom, da ga je mogoče iskati, urejati ali uporabiti v poznejšem poteku dela z vsebino.
", "aboutText": "Qwen3-ASR-1.7B je Qwenov večji model za prepoznavanje govora iz družine Qwen3-ASR. Sprejema zvok in vrača prepoznano besedilo skupaj z oznako jezika. Družina temelji na osnovi Qwen3-Omni za razumevanje zvoka in uporablja en model ASR za prepoznavanje brez povezave in v toku. Izdaja 1.7B poudarja kakovost prepoznavanja, ločeno poimenovana izdaja 0.6B pa učinkovitost. Ti izdaji ostajata različni izbiri, čeprav imata enako dokumentirano jezikovno pokritost in poteke prepoznavanja.\n\n### Prepoznavanje jezika in zvočna pokritost\n\nProizvajalec navaja 30 jezikov in 22 kitajskih narečij ter angleške naglase iz več regij. Seznam jezikov vključuje kitajščino, angleščino, kantonščino, arabščino, nemščino, francoščino, španščino, portugalščino, indonezijščino, italijanščino, korejščino, ruščino, tajščino, vietnamščino, japonščino, turščino, hindijščino, malajščino, nizozemščino, švedščino, danščino, finščino, poljščino, češčino, filipinščino, perzijščino, grščino, madžarščino, makedonščino in romunščino. Podprte vrste zvoka vključujejo govor, pevski glas in pesmi z glasbo v ozadju. Zaradi teh zmožnosti je prepis uporaben za intervjuje, predavanja, glasovne posnetke in pregled besedil pesmi, pri čemer je izvirni zvok ohranjen za preverjanje težavnih odlomkov.\n\n### Priprava zvoka in pridobivanje prepisa\n\nProizvajalčeva zbirka orodij sprejema referenco na zvočno datoteko, kodiran zvok ali valovno obliko skupaj s frekvenco vzorčenja, njen potek brez povezave pa lahko obdela zbirko posnetkov. Jezik lahko zazna samodejno ali uporabi določen podprti jezik. Za neznani posnetek izberite samodejno zaznavanje; kadar je znan in pomemben za nalogo, podajte dejanski govorjeni jezik. Primer rezultata prikazuje zaznani ali izbrani jezik in prepoznano besedilo. Nastavitev jezika usmerja prepoznavanje posnetka, ne določa zahteve za preoblikovanje njegove vsebine v drug jezik.\n\nPri intervjuju posnetek ohranite povezan z datumom, temo in izvornim identifikatorjem, nato pa vrnjeno besedilo uporabite kot prepis, po katerem je mogoče iskati. Pri predavanju med pregledom ohranite tehnične izraze in numerične izraze, namesto da nejasne besede tiho nadomestite z verjetno razlago. Pri pesmi prepoznano besedilo preverite med poslušanjem pevske linije, zlasti kjer glasba prekrije zlog. Prepis lahko postane vhod za ločen korak povzemanja, prevajanja ali urejanja, ko je njegovo besedilo preverjeno glede na zvok.\n\n### Pretočno prepoznavanje in njegov obseg\n\nIsta družina ASR podpira prepoznavanje med prihajanjem zvoka. Proizvajalčev primer pretakanja zaporedne zvočne dele podaja v ohranjeno stanje prepoznavanja, prikazuje vmesno besedilo in nato zaključi tok, da pridobi končni jezik in prepis. Pri pripravi podnapisov v živo ali sprotnega prepisa ohranite razliko med trenutnim postopnim besedilom in dokončanim rezultatom. Dokumentirana pretočna implementacija ne združuje pretakanja s paketnim izvajanjem in ne vrača časovnih oznak; časovno označen prepis uporablja drug potek dela. To so podrobnosti proizvajalčeve implementacije, ne obljuba o prenosu v aplikaciji ali vmesniku za podnapise v živo.\n\n### Časovne oznake besed ali znakov z ločenim poravnalnikom\n\nQwen3-ForcedAligner-0.6B poravna zvočni posnetek s podanim besedilom in napove začetne in končne čase na ravni besed ali znakov. Gre za model, ločen od obeh izdaj Qwen3-ASR. Zbirka orodij ASR lahko ta poravnalnik uporabi, kadar so v njenem poteku prepisovanja brez povezave zahtevane časovne oznake, ali pa je mogoče poravnavo izvesti na obstoječem paru besedila in zvoka. Dokumentirana pokritost poravnalnika obsega 11 jezikov: kitajščino, angleščino, kantonščino, francoščino, nemščino, italijanščino, japonščino, korejščino, portugalščino, ruščino in španščino. Njegov navedeni govorni obseg je do pet minut; to je obseg poravnalnika, ne petminutna zgornja meja prepisovanja ASR.\n\nPri pripravi podnapisov najprej pridobite in preglejte prepis, nato pa ga poravnajte z izvornim posnetkom, kjer je ta potek poravnave ustrezen. Z vrnjenimi začetnimi in končnimi časi pripravite segmente podnapisov ter med poslušanjem preglejte njihove meje. Poravnava poveže podane besede z zvokom; naj se ne obravnava kot dokaz, da je bil napačen prepis popravljen. Uporaben izdelek je preverjen prepis s časovnimi informacijami, ki ostane povezan s posnetkom, ki ga opisuje.\n\n### Dolgi posnetki in praktične omejitve\n\nDružina podpira prepisovanje dolgih zvočnih posnetkov, uradni primeri pa uporabnikom naročajo, naj za daljši vhod omogočijo več generiranega besedila. Njihove ponazoritvene nastavitve žetonov so konfiguracijske izbire, ne splošna omejitev konteksta modela ali trajanja zvoka. Prostor za izhod načrtujte glede na posnetek in preverite, ali je prisoten konec. Imena, količine, jezikovne prehode, prekrite besede in prekrivajoči se govor preverite glede na izvirni zvok. Jezikovna pokritost in robustnost pri zahtevnem zvoku ne jamčita brezhibnega prepisa za vsak naglas, posnetek ali glasbeni aranžma. Popoln rezultat ohrani prepoznano besedilo, njegov jezik in povezavo z zvokom, da ga je mogoče iskati, urejati ali uporabiti v poznejšem poteku dela z vsebino.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e6205f3c4fdaba342daf07fe8f138041dcdfe5a54463103f207ef3897ccf62ca", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sl", "methods": [ { "html": "qwen/qwen3-asr-1.7bQwen3-ASR-1.7B pretvarja govor in petje v besedilo ter prepozna jezik. Qwen dokumentira 30 jezikov, 22 kitajskih narečij ter prepoznavanje brez povezave ali v toku; časovne oznake na ravni besed uporabljajo ločen potek dela Qwen3-ForcedAligner.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Qwen3-ASR-1.7B je Qwenov večji model za prepoznavanje govora iz družine Qwen3-ASR. Sprejema zvok in vrača prepoznano besedilo skupaj z oznako jezika. Družina temelji na osnovi Qwen3-Omni za razumevanje zvoka in uporablja en model ASR za prepoznavanje brez povezave in v toku. Izdaja 1.7B poudarja kakovost prepoznavanja, ločeno poimenovana izdaja 0.6B pa učinkovitost. Ti izdaji ostajata različni izbiri, čeprav imata enako dokumentirano jezikovno pokritost in poteke prepoznavanja.
Proizvajalec navaja 30 jezikov in 22 kitajskih narečij ter angleške naglase iz več regij. Seznam jezikov vključuje kitajščino, angleščino, kantonščino, arabščino, nemščino, francoščino, španščino, portugalščino, indonezijščino, italijanščino, korejščino, ruščino, tajščino, vietnamščino, japonščino, turščino, hindijščino, malajščino, nizozemščino, švedščino, danščino, finščino, poljščino, češčino, filipinščino, perzijščino, grščino, madžarščino, makedonščino in romunščino. Podprte vrste zvoka vključujejo govor, pevski glas in pesmi z glasbo v ozadju. Zaradi teh zmožnosti je prepis uporaben za intervjuje, predavanja, glasovne posnetke in pregled besedil pesmi, pri čemer je izvirni zvok ohranjen za preverjanje težavnih odlomkov.
Proizvajalčeva zbirka orodij sprejema referenco na zvočno datoteko, kodiran zvok ali valovno obliko skupaj s frekvenco vzorčenja, njen potek brez povezave pa lahko obdela zbirko posnetkov. Jezik lahko zazna samodejno ali uporabi določen podprti jezik. Za neznani posnetek izberite samodejno zaznavanje; kadar je znan in pomemben za nalogo, podajte dejanski govorjeni jezik. Primer rezultata prikazuje zaznani ali izbrani jezik in prepoznano besedilo. Nastavitev jezika usmerja prepoznavanje posnetka, ne določa zahteve za preoblikovanje njegove vsebine v drug jezik.
Pri intervjuju posnetek ohranite povezan z datumom, temo in izvornim identifikatorjem, nato pa vrnjeno besedilo uporabite kot prepis, po katerem je mogoče iskati. Pri predavanju med pregledom ohranite tehnične izraze in numerične izraze, namesto da nejasne besede tiho nadomestite z verjetno razlago. Pri pesmi prepoznano besedilo preverite med poslušanjem pevske linije, zlasti kjer glasba prekrije zlog. Prepis lahko postane vhod za ločen korak povzemanja, prevajanja ali urejanja, ko je njegovo besedilo preverjeno glede na zvok.
Ista družina ASR podpira prepoznavanje med prihajanjem zvoka. Proizvajalčev primer pretakanja zaporedne zvočne dele podaja v ohranjeno stanje prepoznavanja, prikazuje vmesno besedilo in nato zaključi tok, da pridobi končni jezik in prepis. Pri pripravi podnapisov v živo ali sprotnega prepisa ohranite razliko med trenutnim postopnim besedilom in dokončanim rezultatom. Dokumentirana pretočna implementacija ne združuje pretakanja s paketnim izvajanjem in ne vrača časovnih oznak; časovno označen prepis uporablja drug potek dela. To so podrobnosti proizvajalčeve implementacije, ne obljuba o prenosu v aplikaciji ali vmesniku za podnapise v živo.
Qwen3-ForcedAligner-0.6B poravna zvočni posnetek s podanim besedilom in napove začetne in končne čase na ravni besed ali znakov. Gre za model, ločen od obeh izdaj Qwen3-ASR. Zbirka orodij ASR lahko ta poravnalnik uporabi, kadar so v njenem poteku prepisovanja brez povezave zahtevane časovne oznake, ali pa je mogoče poravnavo izvesti na obstoječem paru besedila in zvoka. Dokumentirana pokritost poravnalnika obsega 11 jezikov: kitajščino, angleščino, kantonščino, francoščino, nemščino, italijanščino, japonščino, korejščino, portugalščino, ruščino in španščino. Njegov navedeni govorni obseg je do pet minut; to je obseg poravnalnika, ne petminutna zgornja meja prepisovanja ASR.
Pri pripravi podnapisov najprej pridobite in preglejte prepis, nato pa ga poravnajte z izvornim posnetkom, kjer je ta potek poravnave ustrezen. Z vrnjenimi začetnimi in končnimi časi pripravite segmente podnapisov ter med poslušanjem preglejte njihove meje. Poravnava poveže podane besede z zvokom; naj se ne obravnava kot dokaz, da je bil napačen prepis popravljen. Uporaben izdelek je preverjen prepis s časovnimi informacijami, ki ostane povezan s posnetkom, ki ga opisuje.
Družina podpira prepisovanje dolgih zvočnih posnetkov, uradni primeri pa uporabnikom naročajo, naj za daljši vhod omogočijo več generiranega besedila. Njihove ponazoritvene nastavitve žetonov so konfiguracijske izbire, ne splošna omejitev konteksta modela ali trajanja zvoka. Prostor za izhod načrtujte glede na posnetek in preverite, ali je prisoten konec. Imena, količine, jezikovne prehode, prekrite besede in prekrivajoči se govor preverite glede na izvirni zvok. Jezikovna pokritost in robustnost pri zahtevnem zvoku ne jamčita brezhibnega prepisa za vsak naglas, posnetek ali glasbeni aranžma. Popoln rezultat ohrani prepoznano besedilo, njegov jezik in povezavo z zvokom, da ga je mogoče iskati, urejati ali uporabiti v poznejšem poteku dela z vsebino.
POST /v1/audio/transcriptionsaudiotext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen/qwen3-asr-1.7b | Privzeto— |
Poljeinput_audio | Vrstaobject | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljelanguage | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetemperature | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 0 Največ: 1 | Privzeto— |
Poljeresponse_format | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve json, verbose_json | Privzetojson |
Poljetimestamp_granularities | Vrstaarray | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, input_audio |
Parametermaterial_types | Specifikacijaaudio |
Parametermaterial_conditions | SpecifikacijaPreberite dejansko datoteko WAV in kodirajte njene resnične bajte za deklarirani JSON input_audio; za to natančno deklaracijo samo z JSON ni navedena pot multipart. |
Življenjski cikel: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Dejansko vrnjeni task_id ali zapis v medijski knjižnici
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Prikazane cene so namenjene oceni stroškov pred generiranjem. Končni znesek se izračuna na podlagi stroška, zabeleženega za izvirno generiranje. Izmerjeno trajanje izhoda in napovedane količine niso končna obračunska količina.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Predvidena količina | Obračunska enota | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene žetonov | Cenovna lestvicaOsnovna cena | Predvidena količina— | Obračunska enota— | Strošek Vhod · Vhodni žetoni · Ocena samo za primerjavo — / 1K žetonov Izhod · Izhodni žetoni · Ocena samo za primerjavo — / 1K žetonov Vhod · Branje predpomnilnika · Ocena samo za primerjavo — / 1K žetonov Vhod · Zapis v predpomnilnik · Ocena samo za primerjavo — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura · Ocena samo za primerjavo — / 1K žetonov |
| Nastavitevsekunda vhodnega zvoka | Cenovna lestvica— | Predvidena količina— | Obračunska enotana sekundo vhodnega zvoka | Strošek Vhod · sekunda vhodnega zvoka · Ocena samo za primerjavo $0.000015 na sekundo vhodnega zvoka |
| NastavitevOcenjeni strošek ustvarjanja | Cenovna lestvica— | Predvidena količinaocena za eno generiranje | Obračunska enota— | Strošek Izhod · Ocenjeni stroški ustvarjanja · Ocena samo za primerjavo $0.000015 ocena pred ustvarjanjem Ta ocena ni dodatno plačilo ali fiksna cena za dokončano generiranje. |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'qwen/qwen3-asr-1.7b', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\nGET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nShranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Shranite celoten odgovor in glave, vse dejanske izhode, izvirne vrnjene identifikatorje in vsa polja s podatki o porabi. Pridobite podatke izvirne operacije brez ponovnega pošiljanja zahteve za ustvarjanje.
Shranite vrnjeni X-Client-Request-ID za uskladitev evidenc. Berite samo dejansko vrnjene vrednosti task_id/asset_id ali svojo medijsko knjižnico; iz ID operacije nikoli ne sestavite URL opravila in zahteve za ustvarjanje nikoli ne pošljite znova.
| Polje | Vrsta |
|---|---|
Poljetext | Vrsta |
Poljeusage | Vrsta |
Poljesegments[] | Vrsta |
Poljewords[] | Vrsta |
Poljespeaker fields | Vrsta |
Poljetimestamps | Vrsta |
Ailoot Ultra qwen/qwen3-asr-1.7b
Uporabite zgoraj navedene poti metod.