Qwen3-ASR-0.6B-hf
Alibaba · Chine
- Poids ouverts
- Licence : Apache 2.0
- Français annoncé
En bref : 32e sur 39 en transcription en français ; 27e sur 53 en transcription en anglais (Open ASR).
Présentation
Carte Qwen3-ASR au format natif Transformers publiée par Alibaba (Qwen), pour la transcription avec identification de la langue sur 30 langues et 22 dialectes chinois, hors ligne ou en streaming. Alibaba présente la taille 0.6B comme la plus rapide de la famille, avec un débit de 2000 fois le temps réel à 128 requêtes simultanées. Lu sur huggingface.co, le 17/10/2026.
- Sortie
- 26 juin 2026 lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : 30 langues et 22 dialectes chinois, dont le français (zh, en, yue, ar, de, fr, es, pt, id, it, ko, ru, th, vi, ja, tr, hi, ms, nl, sv, da, fi, pl, cs, fil, fa, el, hu, mk, ro). Lu sur huggingface.co.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 32e sur 39 en transcription en français (8,76 %).
Ses 2 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Transcription
Transcription en français
32e sur 39taux d'erreur par mot 8,76 %
Vitesse : RTFx 396 : transcrit 396 secondes d'audio par seconde de calculPar jeu de test : Common Voice 10,78 %, FLEURS 7,06 %, MLS 8,44 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
27e sur 53taux d'erreur par mot 6,24 %
Vitesse : RTFx 745 : transcrit 745 secondes d'audio par seconde de calculPar jeu de test : AMI-Cleaned 9,33 %, Earnings22-Cleaned-AA-chunked 7,83 %, Gigaspeech-Cleaned 7,62 %, LS Clean 1,70 %, LS Other 4,01 %, Private (conversational) 12,74 %, Private (scripted) 3,92 %, SPGISpeech 2,74 %, URGENT24 11,57 %, Voice Arena Monsoon 4,23 %, Voxpopuli-AA-Cleaned 2,90 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en français : devant, omniASR-CTC-3B-v2 (31e, 8,12 %) · derrière, Nemotron 3.5 ASR (33e, 9,40 %)
- Transcription en anglais, Open ASR : devant, MOSS-Transcribe-Diarize (26e, 6,17 %) · derrière, muse-voice-transcribe (28e, 6,30 %)
Comment lire ces chiffres
Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
Qwen/Qwen3-ASR-0.6B-hf - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://huggingface.co/Qwen/Qwen3-ASR-0.6B-hf/raw/main/README.md (« Qwen3-ASR (Transformers native) »), 17/10/2026
- https://huggingface.co/Qwen/Qwen3-ASR-0.6B-hf/raw/main/README.md (« Supports language identification and speech recognition for 30 languages and 22 Chinese dialects »), 17/10/2026
- https://huggingface.co/Qwen/Qwen3-ASR-0.6B-hf/raw/main/README.md (« Qwen3-ASR-0.6B reaches 2000× throughput at a concurrency of 128. Both models support streaming/offline unified inference with a single model and handle long audio. »), 17/10/2026
- https://huggingface.co/Qwen/Qwen3-ASR-0.6B-hf/raw/main/README.md (« Chinese (zh), English (en), Cantonese (yue), Arabic (ar), German (de), French (fr), Spanish (es) »), 17/10/2026
- https://raw.githubusercontent.com/QwenLM/Qwen3-ASR/main/README.md (« 2026.6.26: 🤗🤗🤗 Native Transformers support is now available! It includes `torch.compile` support for faster inference. See the new model cards for example usage »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.