Canary Qwen 2.5B
NVIDIA · États-Unis
- Poids ouverts
- Licence : CC BY 4.0
En bref : 34e sur 51 en transcription en anglais (Artificial Analysis) ; 18e sur 53 en transcription en anglais (Open ASR).
Présentation
Modèle de transcription anglaise de NVIDIA qui associe l'encodeur de canary-1b-flash au modèle de langage Qwen3-1.7B, avec ponctuation et majuscules. Il fonctionne en mode transcription ou en mode LLM, où il peut résumer le texte transcrit ou répondre à des questions sur celui-ci. Lu sur huggingface.co, le 17/10/2026.
- Sortie
- 17 juillet 2025 lu sur la page de l'éditeur
- Taille
- 2,5 milliards de paramètres lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : anglais seulement (en). Lu sur huggingface.co.
- Évaluées par nos sources : anglais.
- Le français : absent des langues annoncées par l'éditeur ; pas évalué en français par nos sources.
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 anglais · Transcription
Transcription en anglais, indice AA-WER
34e sur 51taux d'erreur par mot 4,27 %
Prix : 0,74 $ pour 1 000 minutes de parolePar jeu de test : AA-AgentTalk 3,21 %, Earnings22 6,31 %, VoxPopuli 4,34 %
Source : Artificial Analysis · relevé du 19 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
18e sur 53taux d'erreur par mot 5,94 %
Vitesse : RTFx 862 : transcrit 862 secondes d'audio par seconde de calculPar jeu de test : AMI-Cleaned 7,91 %, Earnings22-Cleaned-AA-chunked 6,41 %, Gigaspeech-Cleaned 7,80 %, LS Clean 1,23 %, LS Other 2,63 %, Private (conversational) 13,41 %, Private (scripted) 3,47 %, SPGISpeech 1,70 %, URGENT24 13,02 %, Voice Arena Monsoon 3,60 %, Voxpopuli-AA-Cleaned 4,14 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en anglais, indice AA-WER : devant, Modulate STT Batch English VFast (33e, 4,23 %) · derrière, Chirp 3 (35e, 4,32 %)
- Transcription en anglais, Open ASR : devant, ARK-ASR-0.6B (17e, 5,93 %) · derrière, GPT Transcribe (19e, 5,96 %)
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
- Artificial Analysis :
Canary Qwen 2.5B; Hugging Face (hf-audio) :nvidia/canary-qwen-2.5b - Fiche
- Registre de QUELLE IA, lu sur https://huggingface.co/nvidia/canary-qwen-2.5b/raw/main/README.md (« Canary-Qwen-2.5B is released under the CC-BY-4.0 license. »), 17/10/2026.
- Pages lues
- https://huggingface.co/nvidia/canary-qwen-2.5b/raw/main/README.md (« Canary-Qwen-2.5B is an English speech recognition model »), 17/10/2026
- https://huggingface.co/nvidia/canary-qwen-2.5b/raw/main/README.md (« The model works in two modes: as a transcription tool (ASR mode) and as an LLM (LLM mode). »), 17/10/2026
- https://huggingface.co/nvidia/canary-qwen-2.5b/raw/main/README.md (« It is built using two base models: `nvidia/canary-1b-flash` [1,5] and `Qwen/Qwen3-1.7B` [4] »), 17/10/2026
- https://huggingface.co/nvidia/canary-qwen-2.5b/raw/main/README.md (« With 2.5 billion parameters and running at 418 RTFx »), 17/10/2026
- https://huggingface.co/nvidia/canary-qwen-2.5b/raw/main/README.md (« Huggingface 07/17/2025 via https://huggingface.co/nvidia/canary-qwen-2.5b »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.