Qwen3-ASR-1.7B-hf
Alibaba · Chine
- Poids ouverts
- Licence : Apache 2.0
- Français annoncé
En bref : 21e sur 39 en transcription en français ; 9e 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, y compris le chant et les chansons avec accompagnement. Alibaba présente la taille 1.7B comme la plus précise de la famille et la compare aux API commerciales de transcription. 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, 21e sur 39 en transcription en français (5,68 %).
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
21e sur 39taux d'erreur par mot 5,68 %
Vitesse : RTFx 379 : transcrit 379 secondes d'audio par seconde de calculPar jeu de test : Common Voice 7,84 %, FLEURS 4,06 %, MLS 5,15 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
9e sur 53taux d'erreur par mot 5,40 %
Vitesse : RTFx 819 : transcrit 819 secondes d'audio par seconde de calculPar jeu de test : AMI-Cleaned 8,31 %, Earnings22-Cleaned-AA-chunked 5,84 %, Gigaspeech-Cleaned 7,22 %, LS Clean 1,26 %, LS Other 2,94 %, Private (conversational) 12,14 %, Private (scripted) 2,87 %, SPGISpeech 2,57 %, URGENT24 9,93 %, Voice Arena Monsoon 3,50 %, Voxpopuli-AA-Cleaned 2,85 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en français : devant, Granite-Speech-4.1-2B-NAR (20e, 5,40 %) · derrière, Voxtral Mini (22e, 5,96 %)
- Transcription en anglais, Open ASR : devant, Universal-3.5 Pro (8e, 5,39 %) · derrière, Smallest AI Pulse (10e, 5,71 %)
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-1.7B-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-1.7B-hf/raw/main/README.md (« Qwen3-ASR (Transformers native) »), 17/10/2026
- https://huggingface.co/Qwen/Qwen3-ASR-1.7B-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-1.7B-hf/raw/main/README.md (« The 1.7B version achieves state-of-the-art performance among open-source ASR models and is competitive with the strongest proprietary commercial APIs. »), 17/10/2026
- https://huggingface.co/Qwen/Qwen3-ASR-1.7B-hf/raw/main/README.md (« Offline / Streaming | Speech, Singing Voice, Songs with BGM »), 17/10/2026
- https://huggingface.co/Qwen/Qwen3-ASR-1.7B-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.